数据分析三剑客(三个模块):numpy、pandas、matplotlib;前两个属于数据分析,展示数据,后一个用于画图;
pandas中有两个常用的类:Series、DataFrame;
- Series对象是类似一维数组的,由下面两个部分组成:
values:一组数据(ndarray类型)
index:相关的数据索引标签
- DataFrame是一个【表格型】的数据结构,可以看做是【由Series组成的字典】(共用同一个索引)。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引,也有列索引。
行索引:index
列索引:columns
值:values(numpy的二维数组)
Series
1.Series的创建
两种创建方式:
方式1:
- 由列表或numpy数组创建
默认索引为0到N-1的整数型索引
# 数组
nd = np.random.randint(0, 150, size=10)
s = Series(nd)
s
# 列表
l = list('qwertyuiop')
s = Series(l)
s
- 通过设置index参数指定索引
- name参数
- copy 属性
当修改数组中的值时,copy属性,只在副本上修改,而不会对原
原数组造成任何影响
s[0] = -1
方式2
- 由字典创建
Series的索引和切片
索引
可以使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的仍然是一个Series类型)。分为显示索引和隐式索引:
- 显式索引
使用index中的元素作为索引值
使用.loc[](推荐) - 隐式索引
使用整数作为索引值
使用.iloc[](推荐)
切片
切片分为显示切片和隐式切片:
- 显式切片
- 隐式切片
。。。。。。。。。。。。。。
Series的基本概念
可以把Series看成一个定长的有序字典;
可以通过shape,size,index,values等得到series的属性;
可以通过head(),tail()快速查看Series对象的样式
共同都有一个参数n,默认值为5
使用pandas读取CSV文件
当索引没有对应的值时,可能出现缺失数据显示NaN(not a number)的情况
可以使用pd.isnull(),pd.notnull(),或自带isnull(),notnull()函数检测缺失数据
Series的运算
- 适用于numpy的数组运算也适用于Series
- Series之间的运算
在运算中自动对齐不同索引的数据
如果索引不对应,则补NaN
注意:要想保留所有的index,则需要使用.add()函数 - Series.add()
DataFrame
DataFrame的创建
最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称,以字典的值(一个数组)作为每一列。此外,DataFrame会自动加上每一行的索引(和Series一样)。同Series一样,若传入的列与字典的键不匹配,则相应的值为NaN。
DataFrame属性:values、columns、index、shape、ndim、dtypes
DataFrame的索引
- 对列进行索引
通过类似字典的方式
通过属性的方式
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名
- 对行进行索引
使用.loc[]加index来进行行索引
使用.iloc[]加整数来进行行索引
同样返回一个Series,index为原来的columns。
Series之间的运算
在运算中自动对齐不同索引的数据
如果索引不对应,则补NaN
注意:要想保留所有的index,则需要使用.add()函数
同Series一样:
在运算中自动对齐不同索引的数据
如果索引不对应,则补NaN
下面是Python 操作符与pandas操作函数的对应表:
对元素索引的方法
使用列索引
使用行索引(iloc[3,1]相当于两个参数;iloc[[3,3]] 里面的[3,3]看做一个参数)
使用values属性(二维numpy数组)
Series与DataFrame之间的运算
使用Python操作符:以行为单位操作(参数必须是行),对所有行都有效。(类似于numpy中二维数组与一维数组的运算,但可能出现NaN)
使用pandas操作函数:
axis=0:以列为单位操作(参数必须是列),对所有列都有效。
axis=1:以行为单位操作(参数必须是行),对所有行都有效。