python数据分析（3）——pandas（带过程与结果）

Pandas

pandas是一个基于NumPy的模块，它的功能在于数据的筛选清洗和处理，与NumPy模块相比，pandas模块更擅长处理二维数据。

pandas模块主要有Series和DataFrame两种数据结构。

安装：在终端中输入代码：pip install pandas即可。

一、series数据结构

1)series的概念

Series，中文叫做序列，pandas模块的一种数据类型。是一个一维的、带索引（index）的数组对象。

右侧是一个print出来的Series，它由3部分构成。左侧是索引(index)，右侧是值(values)，下面是值(values)的数据类型。

一个索引对应一个值。索引和值之间，有空格隔开。

2）series和字典的相同和差异点

Series 和字典有一定的相似之处：

1. 一个字典中，通过键（key），可以访问所对应的值（value）。
2. Series也是如此，一个Series的索引（index）在左边，值（values）在右边，可以通过左边的索引index访问到右边对应的值values。

Series 和字典有一定的差异点：

1. Series中的数据是有顺序的。除了直接通过index访问外，还能通过0，1，2这样的位置进行访问。
2. Series的index是可以定义的。如果没有定义index，index就会默认从0开始生成。

3）series的值的类型

Series的值（values）可以是多种数据类型：字符串、整型、浮点型、布尔型。

一个Series在print输出时，值的数据类型会在底部，用dtype标示出来。

需要注意的是，一个Series里的所有值，数据类型都是一样的。

二、series的构造函数

import pandas as pd

GDP = [80855, 77388, 68024, 47251, 40471]
city = ['GD','JS','SD','ZJ','HN']

info = pd.Series(GDP,index = city)
#参数index用于定义Series的索引(index)。
print(info)

结果

GD    80855
JS    77388
SD    68024
ZJ    47251
HN    40471
dtype: int64

• 值（values）是由列表GDP的值组成；
• 索引（index）是由列表city的值组成；
• 值（values）的数据类型是整型。

三、访问Series数据

1. 位置索引访问

这种访问方式和列表相同，是基于元素自身的下标来进行访问。对于一个列表list，list[i]表示list的第i+1个元素。

同理，我们通过这种方式就可以获得Series序列中的每个数据。示例中，我们通过info[0]输出了info的第一个数据。

import pandas as pd
info = pd.Series([80855, 77388, 68024, 47251, 40471],index = ['GD','JS','SD','ZJ','HN'])

结果

80855

2. 索引标签访问

这种访问方式和字典相同，把index中的索引标签当做字典的key，而把Series序列的值当做字典的value。

示例中，我们通过索引标签’JS’输出了info中对应的数据。

import pandas as pd
info = pd.Series([80855, 77388, 68024, 47251, 40471],index = ['GD','JS','SD','ZJ','HN'])

# 通过索引标签'JS'输出了info中对应的数据
print(info['JS'])

二、DataFrame

1、定义

DataFrame，中文叫数据框。是pandas模块最常用的数据类型，是一个二维的矩阵数据表

2、组成

右侧是一个DataFrame，它由3部分组成：

• 既有行索引（index），可以用来定位到具体的某一行。
• 也有列索引（columns），用来定位到具体的某一列。
• 通过index和columns，可以定位到一个值，能快速进行数据的筛选和定位。
  
  因此，DataFrame的同一列中，值的数据类型相同。但是，列和列之间的数据类型可以不同。

3、索引

同样的，和Series类似，DataFrame的行索引index是可以选择性定义的。如果没有定义index，index就会默认从0开始生成。

4、构造函数

通过调用的pandas模块里的***DataFrame()***函数，可以构造一个DataFrame。

1)用字典的方法

import pandas as pd 

data= {'rank':[1, 2, 3, 4],'GDP':[80855, 77388, 68024, 47251]}
city= ['GD','JS','SD','ZJ']

df= pd.DataFrame(data, index=city)

print(df)

结构

  rank    GDP
GD     1  80855
JS     2  77388
SD     3  68024
ZJ     4  47251

• 示例中data是一个字典，传入pd.DataFrame()函数；
• 字典的keys，会成为DataFrame的列索引columns；
• 字典的values是列表，列表中的值，会成为DataFrame的值values。
• 字典的values是对应的列表，并且每个列表中的元素个数相同。

2、用列表的方法

• 此时，参数data是嵌套列表，没有自定义columns。生成的DataFrame的columns会默认从0开始生成。
• 也就是说，参数data传入的是列表时，需要在pd.DataFrame()函数内使用参数columns，用于自定义列索引columns。

5、DataFrame属性

1. dtypes
   我们访问DataFrame对象的的dtypes属性，会返回DataFrame对象每一列的数据类型。

2. values
   我们访问DataFrame对象的values属性，会以数组的形式返回DataFrame对象的值values。

3. index
   同理，我们访问DataFrame的index属性，可以获取它的行索引index。

6、DataFrame的轴

轴(axis)，是用来为超过一维的数组定义属性。二维数组有两个轴，三维数组有三个轴，以此类推。

对于DataFrame而言：
第0轴垂直向下，即axis=0是垂直方向进行操作；
第1轴水平向右，即axis=1是水平方向进行操作。

如果要按行或者按列来对DataFrame内的数据进行求和，可以使用sum()函数。

那么在sum()函数中，就可以使用axis参数来指定求和的方向。

右侧展示了：
当axis=0时，是在垂直的方向上进行求和操作；
当axis=1时，是在水平的方向上进行求和操作。