1、Pandas 的起源 -Numpy

Pandas 是基于Numpy构建的含有更高级数据结构和工具的数据分析包。
Numpy是一个python第三方扩展程序库。支持大量的维度数组和矩阵运算，除此之外也针对数组运算提供大量的数学函数库。

1.1 数组（ndarray）的定义

用np.array()可以将列表数据类型（List）转化为ndarray数组。
np.array是一个函数方法，用来创建一个ndarray对象。ndarray数组是用np.ndarray类的对象表示n维数组。
nparray数组一般要求所有元素类型相同（同质）数组下标从0开始。
数组输出成[ ]形式，元素间由空格分开。
引入Numpy的约定别名一般是np，ndarray(数组)是Numpy最重要的数据类型。
引入规则： import numpy as np

import numpy as npa = np.array([[0,12,3,4,5],[6,7,8,9,10]])
print(a)输出:
[[ 0  1  2  3  4  5][ 6  7  8  9 10 11]]

1.2 数组(ndarray)与列表(list)的区别

列表内部元素使用逗号分开，数组内部元素间用空格分开。
同一个列表里可以接收不同类型的数据，数组一般要求所有元素类型相同（称为同质，有助于节省运算和存储空间）。
数组对象可以去掉元素间循环直接计算（提升性能），列表需要循环。
Pandas是基于NumPy的改造，因此Pandas也有相似的特征，可以提高运算。

1.3 ndarray的属性

数组维度ndim。
数组形状（行列）shape。
数组中元素的个数size（shape乘积）。
数组内元素的类型dtype。

1.4 Numpy数组数据类型dtype

为了区别于python原生数据类型，合理使用存储空间并优化计算性能，bool/int/float/str等类型名称末尾都加上了_或位数。如下表

1.5 Numpy常用函数

import numpy as npb = np.random.random((2,4))
print(b) # 两行四列数组
print(np.sum(b))  # 求和
print(b.sum())  # 求和
print(np.min(b))
print(np.max(b))输出:
[[0.10255578 0.09103664 0.98938642 0.74137929][0.47280561 0.55578626 0.1305344  0.61379109]]
3.697275470709449
3.697275470709449
0.09103663709228238

1.6 ndarry 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
语法：numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数说明：

object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

实例：

import numpy as np# 多于一个维度
n1 = np.array([[1, 2, 3], [11, 22, 33], [111, 222, 333]])
print(n1)输出：
[[  1   2   3][ 11  22  33][111 222 333]]# 最小维度ndmin
n2 = np.array([[1, 2, 3], [11, 22, 33], [111, 222, 333]],ndmin=3)
print(n2)输出：
[[[  1   2   3][ 11  22  33][111 222 333]]]# dtype 参数
n3 = np.array([[1, 2, 3], [11, 22, 33], [111, 222, 333]],ndmin=3,dtype=str)
print(n3)输出：
[[['1' '2' '3']['11' '22' '33']['111' '222' '333']]]

2、Pandas

2.1 简介

Pandas是Python第三方库，提供高性能易用数据类型和分析工具，提供了核心数组操作，它定义了处理数据的基本结构，并且赋予它们促进操作的方法，例如：
1. 读取数据
2. 调整索引
3. 使用日期和时间序列
4. 排序，分组，重新排序和数据调整
5. 处理缺失值等
引入规则 import pandas as pd。
Pandas包含两种数据类型：Series 和 DataFrame（DataFrame数据框就相当于我们平时接触的excel表格，Series数据类型就相当于从excel表中任取一列进行操作）。
Numpy 和 Pandas的区别：
1. Numpy只能存储相同数据类型的array，Pandas能处理不同数据类型的数据（例如：二维表格中不同列可以是不同类型的数据，一列为整数一列为字符串）。
2. Numpy是数值计算扩展包，处理数组和矩阵非常方便。Pandas是python的一个数据分析包，是基于Numpy的一种工具，主要做数据处理用的，以处理二维表格为主提供处理数据的函数和方法。
3. Numpy用于数值计算。Pandas用于数据处理和分析。
4. Numpy核心数据结构是n维数组类型ndarray。 Pandas核心数据结构是Series和DataFrame。

2.2 Series 数据结构

Series 由索引（index）和列组成，函数如下：

语法：pandas.Series(data,index,dtype,name,copy)

参数说明如下：

data：一组数据（ndarry类型）
index：数据索引标签，如果不指定，默认从0开始
dtype：数据类型，默认会自己判断
name：设置名称
copy：拷贝数据，默认False

实例如下：

import pandas as pd
data = [1,2,3]
df1 = pd.Series(data,index=["X","Y","Z"])
print(df1)输出：
X    1
Y    2
Z    3
dtype: int64

2.3 DataFrame 数据结构

Pandas中的数据结构-DataFrame，它以表格形式存储，并且有对应的行和列。
DataFrame和我们日常中使用的Excel长的相似，和数据库表也如出一辙。
DataFrame是一个表格型的数据类型，每列值类型可以不同。
DataFrame既有行索引，也有列索引。
DataFrame常用于二维数据。
语法：pd.DataFrame(data,columns=[序列]，index=[序列]) ，columns(列名)和index不写，默认从0开始的数字。

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明：

data：一组数据（ndarry,series,map,lists,dict等类型）
index：索引值，或者称为行标签
columns：列标签，默认RangeIndex(0,1,2......n)
dtype：数据类型
copy：拷贝数据，默认为Flase

创建一个DataFrame

import pandas as pd# 通过列表创建
data = [["100-浙江公司", 11111.00, 7777.00], ["200-北京公司", 22222.00, 8888.00], ["300-上海公司", 33333.00, 9999.00]]
print(pd.DataFrame(data=data, columns=["公司", "收入", "成本"], index=range(1, 4)))# 通过字典创建
dic_data = {"公司": ["100-浙江公司", "200-北京公司", "300-上海公司"],"收入": [11111.00, 22222.00, 33333.00],"成本": [7777.00, 8888.00, 9999.00]}
print(pd.DataFrame(data=dic_data))输出:公司       收入      成本
1  100-浙江公司  11111.0  7777.0
2  200-北京公司  22222.0  8888.0
3  300-上海公司  33333.0  9999.0公司       收入      成本
0  100-浙江公司  11111.0  7777.0
1  200-北京公司  22222.0  8888.0
2  300-上海公司  33333.0  9999.0

2.3.1 Jupyter 安装及使用

pip install jupyter
创建空文件夹（例如:Jupyter_Notebooks）
打开本地文件夹Jupyter_Notebooks终端，执行命令：jupyter notebook
开启Jupyter
默认浏览器访问URL：http://localhost:8888/tree

2.4 DataFrame 的属性

2.5 DataFrame 和 Series相互转化

DataFrame单独取一行或者一列就是一个Series，也可以将Series转化成单列的DataFrame。

2.6 DataFrame 的简单运算

例如：计算每家公司的毛利和毛利率

DataFrame的计算具有自动对齐功能，所以计算结果会一一对应索引。

Pandas（一）基础知识相关推荐

艺赛旗（RPA） Pandas 类库基础知识
艺赛旗 RPA8.0全新首发免费下载点击下载 http://www.i-search.com.cn/index.html?from=line1 详细内容请参看艺赛旗官网支持栏目:RPA社区点击链接 ...
数据分析一、 pandas库基础知识
pandas库基础知识一.jupyter 代码编辑器概述:Python 数据分析库介绍二.pandas 库基础知识 (1)常用的Series属性与方法: (2) DataFrame常用方法 1. ...
pandas追加写入excel_快速介绍Python数据分析库pandas的基础知识和代码示例
"软件工程师阅读教科书作为参考时不会记住所有的东西,但是要知道如何快速查找重·要的知识点." 为了能够快速查找和使用功能,使我们在进行机器学习模型时能够达到一定流程化.我创建了这个 ...
python数据分析知识点_快速介绍Python数据分析库pandas的基础知识和代码示例
"软件工程师阅读教科书作为参考时不会记住所有的东西,但是要知道如何快速查找重要的知识点." 为了能够快速查找和使用功能,使我们在进行机器学习模型时能够达到一定流程化.我创建了这个p ...
数据挖掘课程笔记6 ： Numpy、Pandas和Matplotlib包基础知识
#2018-03-22 10:23:16 March Thursday the 12 week, the 081 day SZ SSMR http://blog.csdn.net/eastmount/ ...
python基础知识及数据分析工具安装及简单使用(Numpy/Scipy/Matplotlib/Pandas/StatsModels/Scikit-Learn/Keras/Gensim))
Python介绍. Unix & Linux & Window & Mac 平台安装更新 Python3 及VSCode下Python环境配置配置 python基础知识及数据分 ...
Python金融大数据分析：用pandas处理金融时间序列数据的基础知识
时间是阻止所有事情同时发生的力量.--雷•卡明斯本节使用的是以CSV文件形式在本地存储的金融数据集形式为本地存储的CSV文件.从技术上讲,CSV文件是包含数据行结构的文本文件,其特征是以逗号分隔单个 ...
python向量计算库教程_NumPy库入门教程：基础知识总结
原标题:NumPy库入门教程:基础知识总结视学算法 | 作者知乎专栏 | 来源 numpy可以说是 Python运用于人工智能和科学计算的一个重要基础,近段时间恰好学习了numpy,pandas, ...
聚类分析基础知识总结及实战解析
聚类分析基础知识总结及实战解析聚类分析是没有给定划分类别的情况下,根据样本相似度进行样本分组的一种方法,是一种非监督的学习算法.聚类的输入是一组未被标记的样本,聚类根据数据自身的距离或相似度划分为若 ...
python基础知识资料-Python基础知识汇总
原标题:Python基础知识汇总 1.Anaconda的安装百度Anaconda的官网,下载左边的Python3.X版本然后是设置路径,最后给出Jupyter notebook.具体参考: 猴子: ...

Pandas（一）基础知识

1、Pandas 的起源 -Numpy

1.1 数组（ndarray）的定义

1.2 数组(ndarray)与列表(list)的区别

1.3 ndarray的属性

1.4 Numpy数组数据类型dtype

1.5 Numpy常用函数

1.6 ndarry 对象

2、Pandas

2.1 简介

2.2 Series 数据结构

2.3 DataFrame 数据结构

2.3.1 Jupyter 安装及使用

2.4 DataFrame 的属性

2.5 DataFrame 和 Series相互转化

2.6 DataFrame 的简单运算

Pandas（一）基础知识相关推荐

最新文章

热门文章

Pandas（一） 基础知识

1、Pandas 的起源 -Numpy

1.1 数组（ndarray）的定义

1.2 数组(ndarray)与列表(list)的区别

1.3 ndarray的属性

1.4 Numpy数组数据类型dtype

1.5 Numpy常用函数

1.6 ndarry 对象

2、Pandas

2.1 简介

2.2 Series 数据结构

2.3 DataFrame 数据结构

2.3.1 Jupyter 安装及使用

2.4 DataFrame 的属性

2.5 DataFrame 和 Series相互转化

2.6 DataFrame 的简单运算

Pandas（一） 基础知识相关推荐

最新文章

热门文章

Pandas（一）基础知识

Pandas（一）基础知识相关推荐