初识数据分析库pandas(一)

  Spark推荐系统，干货，心得 

  点击上方蓝字关注～

 

目录：

1.Jupyter Notebook

    1.1Jupyter Notebook 安装 

    1.2Jupyter Notebook 使用

    1.3Jupyter Notebook  的快捷键 

2. pandas

    2.1 series  

    2.2DataFrame

    2.3  pandas中的Index

3.pandas中的数据选取

   3.1 一维

   3.2 二维 

---

1.1Jupyter Notebook 安装

JupyterNotebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。

简而言之为web型python代码交互编辑器

安装JupyterNotebook的前提是需要安装了Python（3.3版本及以上，或2.7版本、建议安装python3.6 后面用Tensorflow方便）。

1）安装jupyter模块

pip installjupyter

2）创建一个文件夹，比如名字叫pandas，命令窗口进入该文件夹目录中，执行

jupyternotebook

1.2Jupyter Notebook 使用

如果想新建一个notebook，只需要点击 New，选择你希望启动的notebook 类型即可。

以[ ]开头。在这种类型的单元格中，可以输入任意代码并执行。例如，输入 777 + 88 并按

下 Shift +Enter。之后，单元格中的代码就会被计算，光标也会被移动动一个新的单元格中。

你会得到如下结果：

1.3Jupyter Notebook  的快捷键

2.pandans

pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas

纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas

提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使 Python

成为强大而高效的数据分析环境的重要因素之一。

Series：一维数组，与 Numpy 中的一维 array 类似。二者与 Python 基本的数据结构 List

也很相近，其区别是：List中的元素可以是不同的数据类型，而 Array 和 Series中则只允许

存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。

DataFrame：二维的表格型数据结构。很多功能与 spark sql 中的 data.frame 类似。做过spark sql的同学不会陌生 ，也可以将DataFrame 理解为 Series 的容器

2.1 series

eg ：使用列表创建

series 对象包装的是 numpy 中的一维数组，实际上是将一个一维数组与一个索引名称捆

绑在一起了。

pandas 中两个重要的属性 values 和 index，values:是 Series 对象的原始数据。index:对

应了 Series 对象的索引对象

 

eg：Series中两个重要的属性values 和index

 

eg: Pandas也可以按照Numpy的索引值方式来取值

 

eg: 创建Series时候，指定index对象

同样也可以使用列表的方式指定index =》 换成index = list("abcde")

 

eg:传入字典创建，默认将key作为index (默认按照value值排序)

 

eg: Series对象可以按照字典的方式进行索引  左闭右闭

 

 

eg：如果既用了字典创建了Series对象，又显示的指定了index，如果key不存在，则值为NaN

 

eg：将一个标量与index对象一起传入创建

 

2.2 DataFrame

将两个series对象作为dict的value传入，就可以创建一个DataFrame对象

eg：创建DataFrame对象

eg：查看DataFrame对象的values和index

 

eg:像字典根据key获取值进行获取

 

eg: 列表创建

将bj，gz，sh，sy作为表头

 

eg：使用行索引index创建

 

eg：使用列索引columns创建

 

eg: 列表创建方式创建

 

eg:传入一个二维数组指定columns和index创建

 

2.3  pandas中的Index

eg：pandas中的index，其实是不可变的一维数组

3.pandas中的数据选取

3.1 一维

eg : 一维的数据选取

如果索引与行名相同都是1，这时候就不知道是按照哪个来获取，索引获取时候使用loc、iloc

loc函数：通过行索引‘index’ 中的具体值来取行数据(如取"Index'为"A"的行)

iloc函数：通过行号来取行数据(如取第二行的数据) 行号从0开始，逐次加1

 

eg: loc与iloc

 

3.2 二维

eg: loc与iloc获取

 

eg: loc与iloc获取'A'列所有行

 

eg: loc与iloc获取部分行 部分列

推荐阅读：

spark协同过滤

Spark特征工程

Spark推荐系统

长按识别二维码关注我们