pandas

目录

1.什么是 pandas

2.导入 pandas

3.数据类型

3.1.Series——一维结构

3.1.1.Series 的定义

3.1.2.Series 可存储的数据类型

3.1.3.Series 的创建

3.1.4.Series 的相关属性

1）index：获取 Series 的索引

2）values：获取 Series 的所有元素值

3）size：获取 Series 元素的个数

4）dtype：获取每个元素的类型，Series 要求每个元素类型一致 (修改类型可使用 astype())

3.1.5.Series 的相关操作

1）矢量化运算

2）索引

a.标签索引和位置索引

b.整数列表与布尔列表索引

3）切片

4）追加、修改、删除元素

3.1.6.Series 的常用函数

1）add()、sub()、div()、mul() 等运算函数

2）isnull() / notnull() 判断是否为空的函数

3）sum()、mean()、medium()、max()、min() 等统计函数

4）Series 下的 str 字符串矢量化操作

a.replace() 替换函数

b.count() 统计函数

c.contains() 判断是否包含函数

d.split() 分割函数

3.2.DataFrame——二维结构

3.2.1.DataFrame 的定义

3.2.2.DataFrame 可存储的数据类型

3.2.3.DataFrame 的创建

3.2.4.数据的导入/导出

1）数据的导入

2）数据的导出

3.2.5.DataFrame 基本数据描述

1）DataFrame 相关属性

a.类型属性与类型修改

b.标签属性与标签名修改

c.形状属性

2）DataFrame 相关函数

a.info()

b.head()

c.tail()

d.sample()

e.set_option()

3.2.6.DataFrame 的基本操作

1）列操作

a.获取列

b.增加、修改列

c.删除列

2）行操作

a.获取行

b.增加行

c.删除行

3）行列区域操作

a.获得单个元素

b.获得多个元素

c.行列区域操作

d.利用行列区域操作为指定数据列赋值

4.pandas 的常用函数

4.1.统计与数学函数

4.1.1.mean/median/sum/max/min/count

4.1.2.corr

4.1.3.round/pow

4.2.排序函数

4.2.1.索引排序

4.2.2.值排序

4.3.常用函数

4.3.1.unique/nunique

4.3.2.value_counts

4.3.3.query/np.where

4.3.4.isin

---

1.什么是 pandas

用于数据处理和数据分析的 Python 库（基于 numpy）。

2.导入 pandas

3.数据类型

Pandas 数据结构就像是低维数据的容器。比如，DataFrame 是 Series 的容器，Series 则是标量的容器。使用这种方式，可以在容器中以字典的形式插入或删除对象。

3.1.Series——一维结构

（元组、列表、字典）

3.1.1.Series 的定义

Series 是 pandas 中一维的、可变长度的、有序的、带标签的数组。【可理解为列表和字典的结合体】

Series 可以看成是一个带有标签的一维列表，可以通过标签进行索引。

轴标签统称为索引。

3.1.2.Series 可存储的数据类型

整数、浮点数、字符串、Python对象等。

⚠️除了 object 外，其他数据类型是 numpy 下的（和 python 原生数据类型是不一样的），如果使用需要导入 numpy 库（不导也没问题），再引用对应类型。

3.1.3.Series 的创建

• 列表等可迭代对象
• 字典对象
• 标量

⚠️如果在创建时，没有指定任何索引，则会使用自然0，1，2，3，...数字来当作索引；

⚠️如果在创建时，希望自定义索引，则可通过 index 参数来指定。

3.1.4.Series 的相关属性

1）index：获取 Series 的索引

2）values：获取 Series 的所有元素值

3）size：获取 Series 元素的个数

4）dtype：获取每个元素的类型，Series 要求每个元素类型一致 (修改类型可使用 astype())

3.1.5.Series 的相关操作

1）矢量化运算

（即 numpy 的广播机制）

矢量化运算是一种特殊的编程范式，它允许在没有循环的情况下对数据进行批量操作。这种方式可以显著提高代码的效率和性能。

根据索引进行对齐运算，当索引无法匹配时，运算结果为NaN（缺失值）。

• None（python的空）：表示变量没有值。它是一个特殊的常量，表示空或无。
• NaN（pandas的空）：是 Not a Number 的缩写，通常用于数学运算中表示一个未定义的或无法表示的值，用于表示浮点数数组中的缺失值。
• "''（字符串的空）：是一个空字符串，它在字符串变量中表示没有任何字符，长度为0。

2）索引

a.标签索引和位置索引

b.整数列表与布尔列表索引

3）切片

4）追加、修改、删除元素

3.1.6.Series 的常用函数

pandas.DataFrame.rank — pandas 1.5.2 documentationhttps://pandas.pydata.org/pandas-docs/version/1.5/reference/api/pandas.DataFrame.rank.html

1）add()、sub()、div()、mul() 等运算函数

• add()：加法运算。用于将 Series 中的每个元素与指定的值或另一个 Series 中的相应元素相加。
• sub()：减法运算。用于将 Series 中的每个元素与指定的值或另一个 Series 中的相应元素相减。
• div()：除法运算。用于将 Series 中的每个元素与指定的值或另一个 Series 中的相应元素相除。
• mul()：乘法运算。用于将 Series 中的每个元素与指定的值或另一个 Series 中的相应元素相乘。

2）isnull() / notnull() 判断是否为空的函数

3）sum()、mean()、medium()、max()、min() 等统计函数

4）Series 下的 str 字符串矢量化操作

a.replace() 替换函数

b.count() 统计函数

c.contains() 判断是否包含函数

d.split() 分割函数

3.2.DataFrame——二维结构

（嵌套元组、嵌套列表、嵌套字典）

3.2.1.DataFrame 的定义

3.2.2.DataFrame 可存储的数据类型

3.2.3.DataFrame 的创建

3.2.4.数据的导入/导出

1）数据的导入

打开表头有误：

原始文件：

有合并单元格，修改语句：

skiprows=4 跳过4行

2）数据的导出

json 文件一般在缓存里（有的信息没必要保存到库里），可以从缓存里往出导。

3.2.5.DataFrame 基本数据描述

1）DataFrame 相关属性

a.类型属性与类型修改

b.标签属性与标签名修改

c.形状属性

2）DataFrame 相关函数

a.info()

b.head()

c.tail()

d.sample()

e.set_option()

方式1:

方式2:更推荐

3.2.6.DataFrame 的基本操作

1）列操作

a.获取列

b.增加、修改列

c.删除列

2）行操作

a.获取行

b.增加行

c.删除行

3）行列区域操作

先行后列用得多。

a.获得单个元素

b.获得多个元素

c.行列区域操作

d.利用行列区域操作为指定数据列赋值

4.pandas 的常用函数

4.1.统计与数学函数

4.1.1.mean/median/sum/max/min/count

4.1.2.corr

4.1.3.round/pow

作业：

4.2.排序函数

4.2.1.索引排序

4.2.2.值排序

4.3.常用函数

4.3.1.unique/nunique

4.3.2.value_counts

4.3.3.query/np.where

4.3.4.isin