「Python」pandas入门教程
pandas适合于许多不同类型的数据,包括:
- 具有异构类型列的表格数据,例如SQL表格或Excel数据
- 有序和无序(不一定是固定频率)时间序列数据。
- 具有行列标签的任意矩阵数据(均匀类型或不同类型)
- 任何其他形式的观测/统计数据集。
由于这是一个Python语言的软件包,因此需要你的机器上首先需要具备Python语言的环境。关于这一点,请自行在网络上搜索获取方法。
关于如何获取pandas请参阅官网上的说明:pandas Installation。
通常情况下,我们可以通过pip来执行安装:
![](/assets/blank.gif)
或者通过conda 来安装pandas:
![](/assets/blank.gif)
目前(2018年2月)pandas的最新版本是v0.22.0(发布时间:2017年12月29日)。
我已经将本文的源码和测试数据放到Github上: pandas_tutorial ,读者可以前往获取。
另外,pandas常常和NumPy一起使用,本文中的源码中也会用到NumPy。
建议读者先对NumPy有一定的熟悉再来学习pandas,我之前也写过一个NumPy的基础教程,参见这里:Python 机器学习库 NumPy 教程
核心数据结构
pandas最核心的就是Series和DataFrame两个数据结构。
这两种类型的数据结构对比如下:
![](/assets/blank.gif)
DataFrame可以看做是Series的容器,即:一个DataFrame中可以包含若干个Series。
注:在0.20.0版本之前,还有一个三维的数据结构,名称为Panel。这也是pandas库取名的原因:pan(el)-da(ta)-s。但这种数据结构由于很少被使用到,因此已经被废弃了。
Series
由于Series是一维结构的数据,我们可以直接通过数组来创建这种数据,像这样:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
这段输出说明如下:
- 输出的最后一行是Series中数据的类型,这里的数据都是int64类型的。
- 数据在第二列输出,第一列是数据的索引,在pandas中称之为Index。
我们可以分别打印出Series中的数据和索引:
![](/assets/blank.gif)
这两行代码输出如下:
![](/assets/blank.gif)
如果不指定(像上面这样),索引是[1, N-1]的形式。不过我们也可以在创建Series的时候指定索引。索引未必一定需要是整数,可以是任何类型的数据,例如字符串。例如我们以七个字母来映射七个音符。索引的目的是可以通过它来获取对应的数据,例如下面这样:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
DataFrame
下面我们来看一下DataFrame的创建。我们可以通过NumPy的接口来创建一个4x4的矩阵,以此来创建一个DataFrame,像这样:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
从这个输出我们可以看到,默认的索引和列名都是[0, N-1]的形式。
我们可以在创建DataFrame的时候指定列名和索引,像这样:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
我们也可以直接指定列数据来创建DataFrame:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
请注意:
- DataFrame的不同列可以是不同的数据类型
- 如果以Series数组来创建DataFrame,每个Series将成为一行,而不是一列
例如:
![](/assets/blank.gif)
![](/assets/blank.gif)
df4的输出如下:
![](/assets/blank.gif)
我们可以通过下面的形式给DataFrame添加或者删除列数据:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
Index对象与数据访问
pandas的Index对象包含了描述轴的元数据信息。当创建Series或者DataFrame的时候,标签的数组或者序列会被转换成Index。可以通过下面的方式获取到DataFrame的列和行的Index对象:
![](/assets/blank.gif)
这两行代码输出如下:
![](/assets/blank.gif)
请注意:
- Index并非集合,因此其中可以包含重复的数据
- Index对象的值是不可以改变,因此可以通过它安全的访问数据
- DataFrame提供了下面两个操作符来访问其中的数据:
- loc:通过行和列的索引来访问数据
- iloc:通过行和列的下标来访问数据
例如这样:
![](/assets/blank.gif)
第一行代码访问了行索引为0和1,列索引为“note”的元素。第二行代码访问了行下标为0和1(对于df3来说,行索引和行下标刚好是一样的,所以这里都是0和1,但它们却是不同的含义),列下标为0的元素。
这两行代码输出如下:
![](/assets/blank.gif)
文件操作
pandas库提供了一系列的read_函数来读取各种格式的文件,它们如下所示:
read_csv
read_table
read_fwf
read_clipboard
read_excel
read_hdf
read_html
read_json
read_msgpack
read_pickle
read_sas
read_sql
read_stata
read_feather
读取Excel文件
注:要读取Excel文件,还需要安装另外一个库:xlrd
通过pip可以这样完成安装:
![](/assets/blank.gif)
安装完之后可以通过pip查看这个库的信息:
![](/assets/blank.gif)
接下来我们看一个读取Excel的简单的例子:
![](/assets/blank.gif)
这个Excel的内容如下:
![](/assets/blank.gif)
注:本文的代码和数据文件可以通过文章开头提到的Github仓库获取。
读取CSV文件
下面,我们再来看读取CSV文件的例子。
第一个CSV文件内容如下:
![](/assets/blank.gif)
读取的方式也很简单:
![](/assets/blank.gif)
我们再来看第2个例子,这个文件的内容如下:
![](/assets/blank.gif)
严格的来说,这并不是一个CSV文件了,因为它的数据并不是通过逗号分隔的。在这种情况下,我们可以通过指定分隔符的方式来读取这个文件,像这样:
![](/assets/blank.gif)
实际上,read_csv支持非常多的参数用来调整读取的参数,如下表所示:
![](/assets/blank.gif)
详细的read_csv函数说明请参见这里:pandas.read_csv
处理无效值
现实世界并非完美,我们读取到的数据常常会带有一些无效值。如果没有处理好这些无效值,将对程序造成很大的干扰。
对待无效值,主要有两种处理方法:直接忽略这些无效值;或者将无效值替换成有效值。
下面我先创建一个包含无效值的数据结构。然后通过pandas.isna函数来确认哪些值是无效的:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
忽略无效值
我们可以通过pandas.DataFrame.dropna函数抛弃无效值:
![](/assets/blank.gif)
注:dropna默认不会改变原先的数据结构,而是返回了一个新的数据结构。如果想要直接更改数据本身,可以在调用这个函数的时候传递参数 inplace = True。
对于原先的结构,当无效值全部被抛弃之后,将不再是一个有效的DataFrame,因此这行代码输出如下:
![](/assets/blank.gif)
我们也可以选择抛弃整列都是无效值的那一列:
![](/assets/blank.gif)
注:axis=1表示列的轴。how可以取值'any'或者'all',默认是前者。
这行代码输出如下:
![](/assets/blank.gif)
替换无效值
我们也可以通过fillna函数将无效值替换成为有效值。像这样:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
将无效值全部替换成同样的数据可能意义不大,因此我们可以指定不同的数据来进行填充。为了便于操作,在填充之前,我们可以先通过rename方法修改行和列的名称:
![](/assets/blank.gif)
这段代码输出如下:
![](/assets/blank.gif)
处理字符串
数据中常常牵涉到字符串的处理,接下来我们就看看pandas对于字符串操作。
Series的str字段包含了一系列的函数用来处理字符串。并且,这些函数会自动处理无效值。
下面是一些实例,在第一组数据中,我们故意设置了一些包含空格字符串:
![](/assets/blank.gif)
在这个实例中我们看到了对于字符串strip的处理以及判断字符串本身是否是数字,这段代码输出如下:
![](/assets/blank.gif)
下面是另外一些示例,展示了对于字符串大写,小写以及字符串长度的处理:
![](/assets/blank.gif)
该段代码输出如下:
![](/assets/blank.gif)
转载于:https://www.cnblogs.com/wrxblog/p/9752406.html
「Python」pandas入门教程相关推荐
- python的pandas包使用教程_「Python」pandas入门教程
pandas适合于许多不同类型的数据,包括: 具有异构类型列的表格数据,例如SQL表格或Excel数据 有序和无序(不一定是固定频率)时间序列数据. 具有行列标签的任意矩阵数据(均匀类型或不同类型) ...
- python使用教程pandas-「Python」pandas入门教程
pandas适合于许多不同类型的数据,包括: 具有异构类型列的表格数据,例如SQL表格或Excel数据 有序和无序(不一定是固定频率)时间序列数据. 具有行列标签的任意矩阵数据(均匀类型或不同类型) ...
- python使用教程pandas-十分钟搞定pandas(入门教程)
本文是对pandas官方网站上<10Minutes to pandas>的一个简单的翻译,原文在这里.这篇文章是对pandas的一个简单的介绍,详细的介绍请参考:Cookbook .习惯上 ...
- python使用教程pandas-Python 数据处理库 pandas 入门教程基本操作
pandas是一个Python语言的软件包,在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础编程库.本文是对它的一个入门教程. pandas提供了快速,灵活和富有表现力的数据结 ...
- 视频教程-Python零基础入门教程-Python
Python零基础入门教程 从2012年从事互联网至今有7年软件编程经验,曾任职国内北京互联网公司,中南林业大学授课Python 现任逻辑教育Python课程负责人,精通Python语言,精通人工智能 ...
- Python 数据科学入门教程:机器学习:回归
Python 数据科学入门教程:机器学习:回归 原文:Regression - Intro and Data 译者:飞龙 协议:CC BY-NC-SA 4.0 引言和数据 欢迎阅读 Python 机器 ...
- 用python写脚本看什么书-终于知晓python编写脚本入门教程
PyQt5是基于Digia公司强大的图形程式框架Qt5的python接口,由一组python模块构成.PyQt5本身拥有超过620个类和6000函数及方法.在可以运行于多个平台.PyQt5拥有双重协议 ...
- python 科学计算基础教程电子版-终于领会python科学计算入门教程
PyQt5是基于Digia公司强大的图形程式框架Qt5的python接口,由一组python模块构成.PyQt5本身拥有超过620个类和6000函数及方法.在可以运行于多个平台.PyQt5拥有双重协议 ...
- python快速入门答案-总算懂得python脚本快速入门教程
PyQt5是基于Digia公司强大的图形程式框架Qt5的python接口,由一组python模块构成.PyQt5本身拥有超过620个类和6000函数及方法.在可以运行于多个平台.PyQt5拥有双重协议 ...
最新文章
- 用Apache Ignite实现可扩展的数据网格
- 成功解决Error while trying to retrieve text for error ORA-12154
- Jackson 读写 JSON
- Git使用出错:Couldn‘t reserve space for cygwin‘s heap, Win32
- 【聊一聊】css中的经典布局——圣杯布局
- matlab 多维数组申明
- java jtextarea 滚动条_java 在JTextArea中显示 滚动条
- 基于webpack搭建的vue element-ui框架
- 实时备份工具之inotify+rsync
- python路径相关小问题
- 修复 Mac 上“未找到 AirPrint 打印机”的错误
- 使用strace查看后台程序stdout输出
- 第三季度编程语言排行榜出炉,它太稳了!
- 理解浏览器的历史记录
- 登陆页面✧樱花3D翻转
- 网页源代码查看竟然有这么多方法!你都知道吗?
- un-app部署h5项目到普通云服务器--域名解析--OOS对象存储
- 体系结构 | 五段流水线 | 流水线技术
- 重学java——套娃
- 如何学习自动化测试?一文4从个方面带你入门自动化测试【建议收藏】
热门文章
- mysql json invalid json text_MySQL 5.7新增加的json数据类型
- bootcamp空间不足_Bootcamp安装WinXP补丁时C盘空间不足怎么办?
- java调用天气预报的webservice
- spring mvc hello
- sklearn机器学习常用过程总结
- 自然语言处理-nltk学习(二)
- 聊聊高并发(二十一)解析java.util.concurrent各个组件(三) 深入理解AQS(一)
- Presenting the Permanent Generation
- Qt学习之路(9):深入了解信号槽
- iOS系统库头文件中NS_AVAILABLE相关