Day41.Pandas的应用-优快云博客

Pandas的应用

文章目录

Pandas的应用
前言
一. Pandas的应用
二. DataFrame的应用
总结

前言

本文主要展示了Pandas的应用范围和简单使用。

一. Pandas的应用

1.1 Pandas简介

Pandas是Wes McKinney在2008年开发的一个强大的分析结构化数据的工具集。Pandas以NumPy为基础（数据表示和运算），提供了用于数据处理的函数和方法，对数据分析和数据挖掘提供了很好的支持；同时Pandas还可以跟数据可视化工具Matplotlib很好的整合在一起，非常轻松愉快的实现数据的可视化展示。

Pandas核心的数据类型是Series（数据系列）、DataFrame（数据表/数据框），分别用于处理一维和二维的数据，除此之外还有一个名为Index的类型及其子类型，它为Series和DataFrame提供了索引功能。日常工作中以DataFrame使用最为广泛，因为二维的数据本质就是一个有行有列的表格（想一想Excel电子表格和关系型数据库中的二维表）。上述这些类型都提供了大量的处理数据的方法，数据分析师可以以此为基础实现对数据的各种常规处理。

1.2 Series的应用

Pandas库中的Series对象可以用来表示一维数据结构，跟数组非常类似，但是多了一些额外的功能。Series的内部结构包含了两个数组，其中一个用来保存数据，另一个用来保存数据的索引，如下图所示。

pandas-series

1.2.1 创建Series对象

提示：在执行下面的代码之前，请先导入pandas以及相关的库文件，具体的做法可以参考上一章。

方法1：通过列表或数组创建Series对象。

代码：

# data参数表示数据，index参数表示索引标签
# 如果没有指定index属性，默认使用数字索引
ser1 = pd.Series(data=[320, 180, 300, 405], index=['一季度', '二季度', '三季度', '四季度'])
ser1

输出：

一季度    320
二季度    180
三季度    300
四季度    405
dtype: int64

方法2：通过字典创建Series对象。

代码：

# 字典中的键就是索引标签，字典中的值就是数据
ser2 = pd.Series({'一季度': 320, '二季度': 180, '三季度': 300, '四季度': 405})
ser2

输出：

一季度    320
二季度    180
三季度    300
四季度    405
dtype: int64

1.2.2 索引和切片

跟数组一样，Series对象也可以进行索引和切片操作，不同的是Series对象因为内部维护了一个保存索引的数组，所以除了可以使用整数索引通过位置检索数据外，还可以通过自己设置的索引标签获取对应的数据。

使用正负向整数索引

代码：

print(ser2[0], ser2[2], ser2[-1])
ser2[0], ser2[-1] = 350, 360 
print(ser2)

输出：

320 300 405
一季度    350
二季度    180
三季度    300
四季度    360
dtype: int64

使用自己设置的标签索引

代码：

print(ser2['一季度'], ser2['三季度'])
ser2['一季度'] = 380
print(ser2)

输出：

350 300
一季度    380
二季度    180
三季度    300
四季度    360
dtype: int64

切片操作

代码：

print(ser2[1:3])
print(ser2['二季度':'四季度'])

输出：

二季度    180
三季度    300
dtype: int64
二季度    500
三季度    500
四季度    520
dtype: int64

代码：

ser2[1:3] = 400, 500
ser2

输出：

一季度    380
二季度    400
三季度    500
四季度    360
dtype: int64

花式索引

代码：

print(ser2[['二季度', '四季度']])
ser2[['二季度', '四季度']] = 500, 520
print(ser2)

输出：

二季度    400
四季度    360
dtype: int64
一季度    380
二季度    500
三季度    500
四季度    520
dtype: int64

布尔索引

代码：

ser2[ser2 >= 500]

输出：

二季度    500
三季度    500
四季度    520
dtype: int64

1.2.3 属性和方法

Series对象的常用属性如下表所示。

属性	说明
`dtype` / `dtypes`	返回`Series`对象的数据类型
`hasnans`	判断`Series`对象中有没有空值
`at` / `iat`	通过索引访问`Series`对象中的单个值
`loc` / `iloc`	通过一组索引访问`Series`对象中的一组值
`index`	返回`Series`对象的索引
`is_monotonic`	判断`Series`对象中的数据是否单调
`is_monotonic_increasing`	判断`Series`对象中的数据是否单调递增
`is_monotonic_decreasing`	判断`Series`对象中的数据是否单调递减
`is_unique`	判断`Series`对象中的数据是否独一无二
`size`	返回`Series`对象中元素的个数
`values`	以`ndarray`的方式返回`Series`对象中的值

Series对象的方法很多，我们通过下面的代码为大家介绍一些常用的方法。

统计相关方法

代码：
```
# 求和
print(ser2.sum())
# 求均值
print(ser2.mean())
# 求最大
print(ser2.max())
# 求最小
print(ser2.min())
# 计数
print(ser2.count())
# 求标准差
print(ser2.std())
# 求方差
print(ser2.var())
# 求中位数
print(ser2.median())
```
输出：
```
1900
475.0
520
380
4
64.03124237432849
4100.0
500.0
```
Series对象还有一个名为describe()的方法，可以获得上述所有的描述性统计信息，如下所示。

代码：
```
ser2.describe()
```
输出：
```
count      4.000000
mean     475.000000
std       64.031242
min      380.000000
25%      470.000000
50%      500.000000
75%      505.000000
max      520.000000
dtype: float64
```
提示：因为describe()返回的也是一个Series对象，所以也可以用ser2.describe()['mean']来获取平均值。

如果Series对象的数据中有重复元素，我们可以使用unique()方法获得去重之后的Series对象，如果想要统计重复元素重复的次数，可以使用value_counts()方法，这个方法会返回一个Series对象，它的索引就是原来的Series对象中的元素，而每个元素出现的次数就是返回的Series对象中的数据，在默认情况下会按照元素出现次数做降序排列。

代码：
```
ser3 = pd.Series(data=['apple', 'banana', 'apple', 'pitaya', 'apple', 'pitaya', 'durian'])
ser3.value_counts()
```
输出：
```
apple     3
pitaya    2
durian    1
banana    1
dtype: int64
```
数据处理方法

Series对象的dropna和fillna方法分别用来删除空值和填充空值，具体的用法如下所示。
```
ser4 = pd.Series(data=[10, 20, np.NaN, 30, np.NaN])
ser4.dropna()
```
输出：
```
0    10.0
1    20.0
3    30.0
dtype: float64
```
代码：
```
# 将空值填充为40
ser4.fillna(value=40)
```
输出：
```
0    10.0
1    20.0
2    40.0
3    30.0
4    40.0
dtype: float64
```
代码：
```
# backfill或bfill表示用后一个元素的值填充空值
# ffill或pad表示用前一个元素的值填充空值
ser4.fillna(method='ffill')
```
输出：
```
0    10.0
1    20.0
2    20.0
3    30.0
4    30.0
dtype: float64
```
需要提醒大家注意的是，dropna和fillna方法都有一个名为inplace的参数，它的默认值是False，表示删除空值或填充空值不会修改原来的Series对象，而是返回一个新的Series对象来表示删除或填充空值后的数据系列，如果将inplace参数的值修改为True，那么删除或填充空值会就地操作，直接修改原来的Series对象，那么方法的返回值是None。后面我们会接触到的很多方法，包括DataFrame对象的很多方法都会有这个参数，它们的意义跟这里是一样的。

Series对象的apply和map方法可以用于对数据进行处理，代码如下所示。

Series对象的mask和where方法可以将满足或不满足条件的值进行替换。

Series对象的sort_index和sort_values方法可以用于对索引和数据的排序，具体的用法请参考下面的例子。

Series对象的value_counts方法可以统计每个值出现的次数并且以从大到小的顺序进行排列，Series对象的unique方法可以获取到不重复的值。