Python数据分析与展示（三）—Pandas库

Pandas—提高高性能易用数据类型和分析工具

引用

importpandas aspd

Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用

两个数据类型—Series，DataFrame

Series类型

Series类型由一组数据及与之相关的数据索引组成


Series类型可以由如下类型创建：

• Python列表 ，index与列表元素个数一致
• 标量值 ，index表达Series类型的尺寸
• Python字典 ，键值对中的“键”是索引，index从字典中进行选择操作
• ndarray ，索引和数据都可以通过ndarray类型创建
• 其他函数，range()函数等

Series类型的基本操作
Series类型包括index和values两部分
Series类型的操作类似ndarray类型
Series类型的操作类似Python字典类型

In [1]: import pandas as pd

In [2]: b = pd.Series([9,8,7,6],['a','b','c','d'])

In [3]: b
Out[3]:
a    9
b    8
c    7
d    6
dtype: int64

In [4]: b.index
Out[4]: Index(['a', 'b', 'c', 'd'], dtype='object')

In [5]: b.values
Out[5]: array([9, 8, 7, 6], dtype=int64)

In [6]: b['b']
Out[6]: 8

In [7]: b[1]
Out[7]: 8

In [8]: b[['c','d',0]]
Out[8]:
c    7.0
d    6.0
0    NaN
dtype: float64

In [9]: b[['c','d','a']]
Out[9]:
c    7
d    6
a    9
dtype: int64

Series类型的操作类似ndarray类型：
•索引方法相同，采用[]
•NumPy中运算和操作可用于Series类型
•可以通过自定义索引的列表进行切片
•可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

DataFrame类型

DataFrame类型由共用相同索引的一组列组成

DataFrame类型可以由如下类型创建：

• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

DataFrame是二维带“标签”数组

DataFrame基本操作类似Series，依据行列索引

数据类型操作—改变Series和DataFrame对象

增加和重排—重新索引

.reindex()函数

.reindex(index=None, columns=None,…)的参数


删除指定索引对象

.drop()函数

.drop()能够删除Series和DataFrame指定行或列索引

算术运算


比较运算

像对待单一数据一样对待Series和DataFrame对象