一文速学-数据分析之Pandas数据结构和基本操作代码

前言

pandas主要的数据结构是Series和DataFrame，该两种数据结构并不难理解，语言都是共通的，只要了解C语言基础的数据结构或是Python、JAVA的都能理解。关键是如何运用函数处理这些数据结构。

一、pandas库引入

首先安装可直接cmd中输入：

pip install pandas

或者直接在anaconda中Environments中手动下载：

此文章建立在Jupyter之上进行操作演示。导入必要的库（包括numpy,matplotlib）：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

二、Pandas数据结构

1.Series

（1）创建

Series要理解很简单，就像它的单词为系列的意思。类似与数据结构中的字典有索引和对应值，也可以理解为数组，在Series中的下标1,2,3,...索引对应它的不同值。

如果不指定Series的标签，它就会默认从0开始索引。当然可以设定索引数据：

也可以像字典一样传入：

也可以给定两个数组再组成Series。

和数据一样可以通过访问它的values和index获得它的值和索引：

values返回的为数组，而index返回的是object类似为String。可以像字典一样查询索引：

若是直接传入一个字典作为值，则优先按索引列表为Series的索引列，若字典没有index的元素则默认为NaN。

（2）转换

从结构上看很明显和字典能够互相转换：

可以转换为元组列表：

转换为DataFrame：

当然这样转换的话列名会有问题,加个reset后就可以了。

（3）操作

可以通过一系列数学运算方法且索引不变，仅值发生改变。

Series其中一个重要功能就是在做多个以上的Series可以做到根据索引自动对齐想加减操作：

还可以使用replace（）替换值：

使用drop()可以丢掉索引条目及值：

两个index不同的series不能直接比较，需要提出values再进行比较。

2.DataFrame

刚才从Series转化为DataFrame就可以看出DataFrame的格式就像一张表格，包含行和列索引。通过对应的行列对DataFrame进行操作，更像是对SQL中表格处理，两者有一定的类似之处。因此学过SQL的对DataFrane的操作更容易了解。

（1）创建

我们可以通过一个列表就可创建：

最常用的一个是用一个相等长度列表的字典或NumPy数组：

当然最常用的就是通过直接读入read_csv（）函数直接创建一个基于csv格式转换而来的DataFrame：

当然如果没对行和列进行命名的话也是和Series一样从0开始依次排序的。

通过设定行索引和列索引创建DataFrame：

若是给了一个在原数据中并没有的列名则自动填补为空值：

若是仅有数据并没有传入字典类型结构，则根据列表维度处理，维度低于列数会报错：

同理行也一样。

（2）转换

从DataFrame的结构中我们可以知道每一个列和行组合起来就像一个Series，和字典一样。所以转换为字典只能指定某一列来转换。

dataframe转换成嵌套list::

（3）操作

通过isnull（）函数可以看到DataFrame中空值：

通常加上sum()函数看空值到底为多少：

后面.T就为转置：

使用replace和Series可以把该结构内的所有数据都替换掉：

使用fillna（）函数可以将空值统一替换为想要的数值（也可以设定为均值填充dataFrame.mean(),inplace = True、向上填充method=‘ffill’、向下填充method=‘bfill’、对应值填充df.replace({np.nan:‘aa’})）：

然后就是drop（）函数：

DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)

参数说明：

• labels 就是要删除的行列的名字，用列表给定；
• axis 默认为0，指删除行，因此删除columns时要指定axis=1；
• index 直接指定要删除的行；
• columns 直接指定要删除的列；
• inplace=False，默认该删除操作不改变原数据，而是返回一个执行删除操作后的新dataframe；
• inplace=True，则会直接在原数据上进行删除操作，删除后无法返回。

通过head()看前5行数据和tail（）可看指定行数数据：

遍历DataFrame给出了三个函数：

df.iterrows()，对DataFrame的每一行进行迭代，返回一个Tuple (index, Series)：

df.iteriems()，对DataFrame相当于对列迭代：

df.itertuples()迭代 DataFrame 的行，并将每行为元组进行打印：

shape[0]可以快速查看行数：

shape[1]则看列数：

dtypes则可以看每一列数据类型：

df.size则可以看到总共有多少数据：

同样通过index和columns可以获取列和行索引列表，values获取值：

列可以通过赋值来修改：

下一章写DataFrame的行列和多表操作。

参阅：

pandas小记：pandas数据结构和基本操作_-柚子皮-的博客-CSDN博客_pandaspandas小记：pandas数据规整化-缺失、冗余、替换_-柚子皮-的博客-CSDN博客

https://edu.csdn.net/content/book?type=reader