Python数据分析（pandas入门）

最新推荐文章于 2024-01-29 13:36:38 发布

累了困了喝六神

最新推荐文章于 2024-01-29 13:36:38 发布

阅读量363

点赞数

CC 4.0 BY-SA版权

分类专栏： python回顾文章标签： pandas基础数据分析入门 Series DataFrame

本文链接：https://blog.youkuaiyun.com/qq_35197351/article/details/86315777

python回顾专栏收录该内容

16 篇文章

订阅专栏

这篇博客介绍了pandas的两种核心数据结构——Series和DataFrame。Series是带有索引的一维数据结构，允许存在缺失值，可通过isnull和notnull函数检查。DataFrame则是一种二维表格型数据结构，包含多列不同类型的系列，并拥有行和列索引。运算时，Series和DataFrame会自动对齐索引。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas 数据结构介绍

两种数据结构：Series 和 DataFrame；

Series

由一组数据和与之相关的一组数据标签(索引)组成，可以用 index 和 value 分别规定索引和值，若不规定索引，默认自动创建 0 到 N-1 的索引

  import pandas as pd
  
  s1 = pd.Series([1,2,3], index=['a','b','c'])      # Series可以设置索引，有点像字典
  #print(s1)
  #print(s1.values)                                 # Series的值
  #print(s1.index)                                  # Series的索引
  #print(s1.['a'])                                  # 根据索引取值
  #print(s1[['a','b']])                             # 根据索引取值
  # 'b' in s1
  # 'a' in s1
  
  >>> dict = {'a':1,'b':2,'c':3}
  >>> s2 = pd.Series(dict)                    # 可以用字典直接创建Series
  # Series 中的索引就是原字典的键（有序排列）
  >>> print(s2)
  a   1
  b   2
  c   3

Series缺失值
```
dict = {'a':1,'b':2,'c':3}
status = ['a','b','c','d']
s3 = pd.Series(dict,index=status)
print(s3)
```
该例中，dict 和 status 索引相匹配的三个值会被找出来并放到相应位置，但由于 ‘d’ 所对应的 dict 值找不到，所以其结果就是 NaN（即“非数字”（not a number），在pandas中，它用于表示缺失或NA值）；pandas 的 isnull 和 notnull函数可用于检测缺失数据：

Series 也有类似的实例方法：

Series数据对齐
对于许多应用而言，Series 最重要的一个功能就是：它在算术运算中会自动对齐不同索引的数据

 >>> s3                   >>> s2
  a    1.0					a	1
  b    2.0					b	2
  c    3.0					c	3
  d    NaN
  #
 >>> s3 + s2
  a    2.0
  b    4.0
  c    6.0
  d    NaN

Series索引修改
Series 的索引可以通过赋值的方式修改：

>>> s3.index=['甲','乙','丙','丁']
>>> print(s3)
甲	1.0
乙	2.0
丙	3.0
丁	NaN

DataFrame

DataFrame 是一种表格型结构，含有一组有序列，每列可以是不同的数据类型。即有行索引，也有列索引，可看做是由 Series 组成的字典（使用共同的索引）

  #构建DataFrame可以直接传入等长的列表或Series组成的字典
  #不等长会产生错误
  data = {                         
	'year' : [15,16,17,18],      
	'income' : [100,200,300,400],
	'pay' : [500,400,300,200]    
  }                  
  df1 = pd.DataFrame(data)                                            # 是按照列名进行列排序                             
  df2 = pd.DataFrame(data,columns=['income','year','pay']             # 指定列后就按指定的列排序
  print(df1)              
  print(df2)
  df1.columns							# 列
  df1.index                    		# 行
  df1.value							# 值
  
  # 可以有空列，index是行名
  df3 = DataFrame(data,columns=['a','b','c','d'],index = ['one','two','three'])
  
  print df3['a']												#用字典方式取列数据
  print df3.b
  #列数据的修改直接选出来重新赋值即可
  
  print df3.ix['two']                             			#行，可以用行名或者行数来进行选取
  #为列赋值，如果是Series，规定了index后可以精确赋值
  df3['d'] = Series([100,200,300],index = ['two','one','three'])
  print df3
  
  del df3['d']												#删除列用del 函数
  
其他：
	
	df1.describe()						# 数据描述
	df1.sort_index(axis=1)				# 列排序
	df1.sort_index(axis=0)				# 行排序
	df1.sort_values(by='year')            # 排序year列的值