数据分析第七讲：pandas应用入门（二）

pandas应用入门（二）

如果使用 pandas 做数据分析，那么DataFrame一定是被使用得最多的类型，它可以用来保存和处理异质的二维数据。这里所谓的“异质”是指DataFrame中每个列的数据类型不需要相同，这也是它区别于 NumPy 二维数组的地方。DataFrame提供了极为丰富的属性和方法，帮助我们实现对数据的重塑、清洗、预处理、透视、呈现等一系列操作。

创建DataFrame对象

通过二维数组创建DataFrame对象

代码：

scores = np.random.randint(60, 101, (5, 3))
courses = ['语文', '数学', '英语']
stu_ids = np.arange(1001, 1006)
df1 = pd.DataFrame(data=scores, columns=courses, index=stu_ids)
df1

输出：

		语文	数学	英语
1001    69    80	79
1002    71	  60	100
1003    94    81	93
1004    88	  88	67
1005    82	  66    60

通过字典创建DataFrame对象

代码：

scores = {
   
    '语文': [62, 72, 93, 88, 93],
    '数学': [95, 65, 86, 66, 87],
    '英语': [66, 75, 82, 69, 82],
}
stu_ids = np.arange(1001, 1006)
df2 = pd.DataFrame(data=scores, index=stu_ids)
df2

输出：

        语文  数学  英语
1001    62    95    66
1002    72    65    75
1003    93    86    82
1004    88    66    69
1005    93    87    82

读取CSV文件创建DataFrame对象

可以通过pandas 模块的read_csv函数来读取 CSV 文件，read_csv函数的参数非常多，下面介绍几个比较重要的参数。

• sep / delimiter：分隔符，默认是,。
• header：表头（列索引）的位置，默认值是infer，用第一行的内容作为表头（列索引）。
• index_col：用作行索引（标签）的列。
• usecols：需要加载的列，可以使用序号或者列名。
• true_values / false_values：哪些值被视为布尔值True / False。
• skiprows：通过行号、索引或函数指定需要跳过的行。
• skipfooter：要跳过的末尾行数。
• nrows：需要读取的行数。
• na_values：哪些值被视为空值。
• iteratorÿ