Pandas基础（二）

Pandas基础（二）

一、本课目标

• 掌握DataFrame的特点和使用
• 掌握Pandas分析CSV文件
• 掌握Pandas分析JSON文件
• 掌握Pandas数据清洗
• 掌握Pandas常用函数

二、数据结构 - DataFrame

• DataFrame 是 Pandas 中的另一个核心数据结构，用于表示二维表格型数据

• DataFrame 既有行索引也有列索引，它可以被看做由 Series组成的字典（共同用一个索引）

• DataFrame 提供了各种功能来进行数据访问、筛选、分割、合并、重塑、聚合以及转换等操作
  

• 创建 DataFrame

• 使用列表创建

  • data = [[‘Google’, 10], [‘Baidu’, 12], [‘Wiki’, 13]]
  • df = pd.DataFrame(data, columns=[‘Site’, ‘Age’])

• 使用字典创建

  • data = {‘Site’:[‘Google’, ‘Baidu’, ‘Wiki’], ‘Age’:[10, 12, 13]}
  • df = pd.DataFrame(data)
  • data = [{‘Site’:‘Google’,‘Age’: 10},{‘Site’:‘Baidu’,‘Age’:10},{‘Site’:‘Wiki’}]
  • df = pd.DataFrame(data)
  • df = pd.DataFrame({“Nevada”:{2001:2.4,2002:2.9},“Ohio”:{2000:1.5,2001:1.7,2002:3.6}})

• 使用 ndarrays 创建

• ndarray_data = np.array([[‘Google’, 10], [‘Baidu’, 12], [‘Wiki’, 13]])

• df = pd.DataFrame(ndarray_data, columns=[‘Site’, ‘Age’])

import pandas as pd
import numpy as np

# 二维列表中的每个列表表示一行
dt = [['google', 20], ['baidu', 30], ['facebook', 40]]
df = pd.DataFrame(dt, columns = ['size', 'age'])
print(df)
print("*" * 30)

# 字典套列表，其中键作为列名，值做为列数据
di = {
   
   'size':['google', 'baidu', 'facebook'], 'age':[20, 30, 40]}
df = pd.DataFrame(di, columns = ['size', 'age'])
print(df)
print("*" * 30)

# 列表套字典，其中每个字典元表示一行数据
dl = [{
   
   'size':'google', 'age':20}, {
   
   'size':'baidu', 'age':30}, {
   
   'size':'facebook', 'age':40}]
df = pd.DataFrame(dl, columns = ['size', 'age'])
print(df)

# 字典套字典，其中外部字典的键作为列名，内部字典的键作为索引
di1 = {
   
   'a': 1, 'b': 2, 'c': 3}
di2 = {
   
   'a': 4, 'b': 5, 'd': 6}
di3 = {
   
   'k1': di1, 'k2': di2}
df = pd.DataFrame(di3)
print(df)

三、loc 属性

• 返回指定行的数据，索引从 0 开始
• 注意：返回结果其实就是一个 DataFrame 数据
• 例如
  • data = {“calories”: [420, 380, 390],“duration”: [50, 40, 45]}
  • #数据载入到 DataFrame 对象
  • df = pd.DataFrame(data)
  • #返回第一行,第二行
  • print(df.loc[0])
  • print(df.loc[1])
  • #返回第一行和第二行
  • print(df.loc[[0, 1]])
  • df = pd.DataFrame(data, index = [“day1”, “day2”, “day3”])
  • print(df.loc[“day2”])

data = {
   
   "calories": [420, 380, 390], "duration": [50, 40, 45]}
df = pd.DataFrame(data, columns=["calories", "duration"])
print(df)
print("*" * 30)
print(df.loc[2])
print(df.loc[0])
print('*' * 30)
print(df.loc[[0, 2]])
print(type(df.loc[0]))
print(type(df.loc[[0, 2]]))

data = {
   
   "calories"