Python数据分析与应用--pandas统计分析基础（知识点）

一、Pandas模块介绍

• Pandas模块是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据（数值型、文本型、时间序列）。
• Pandas建立在Numpy之上。
• 提供数据清洗功能,可用于数据挖掘和数据分析。
• 支持类似SQL的数据增、删、查、改，拥有丰富的数据处理函数。

支持时间序列分析功能；支持灵活处理缺失数据等。

二、Pandas数据结构

1、Series对象（带标签的数组） 

                                               

 2、DataFrame对象

               

3、Series、DataFrame

3.1Series对象

pandas.Series( data, index, dtype, copy)

说明：data可以是标量、列表、迭代对象、字典、ndarray等对象。

import pandas as pd
import numpy as np
s1 = pd.Series(5,index=[1,2,3,4],dtype='str')  #标量，设置了索引与类型
print(s1)
s2 = pd.Series([10,20,30,40])  #列表
print(s2)
s3 = pd.Series(range(10,20))  #迭代对象
print(s3)
s4 = pd.Series({'a':'H1','b':'H2','c':'H3'})  #字典，键为索引
print(s4)
s5 = pd.Series(np.array(['x','y','z']))    #ndarray
print(s5)

3.2 DataFrame创建：

Pd.DataFrame(data, index, columns, dtype, copy)  #构造DataFrame数据框架

说明：（1）从列表、字典、ndarray等对象转化为DataFrame

import pandas as pd
info = {'name':'张三','age':20,'tel':'13500100203','hobby':'上网,打游戏,运动'}
sd = pd.Series(info)
df1 = pd.DataFrame(sd)
df2 = pd.DataFrame(info,columns=['name','age','tel','hobby'],index=[0])
print(df1)
print(df2)

          （2）从文件（文本、表格、数据库）中读取数据转化为DataFrame。

三、读取不同的数据源中的数据（关系型）

1、读取文本文件

Pandas读取csv/tsv/txt文件使用read_csv或read_table实现。

函数格式：read_csv(参数)   或read_table(参数)

（1）read_csv和read_table之间的区别

函数pd.read_csv和pd.read_table的内容相同，只是默认分隔符不同。在read_csv中“逗号，”作为定界符，在read_table中定界符为“\ t”。如果既不是逗号也不是制表符，则可以通过参数（sep或delimiter）设置区分符。

（2）读取没有标题的CSV

1. 如果未设置任何参数，则将第一行识别为标题并将自动分配列名columns。

11,12,13,14

21,22,23,24

31,32,33,34

df = pd.read_csv('simple.csv')
print(df.columns)

如果header = None，则将为列名列分配一个序号（0，1，2，3，……）

可以将任意值设置为列名，参数为names=（‘A’，‘B’，‘C’，‘D’）。通过列表或元组指定。

df_names = pd.read_csv('sample.csv', names=('A', 'B', 'C', 'D'))
print(df_names)

(3) 读取有标题的CSV

a,b,c,d

11,12,13,14

21,22,23,24

31,32,33,34

指定标题的行号从0开始，例如header = 0。由于默认值为header = 0，因此如果第一行是header，则可以获得相同的结果。即有标题的csv࿰