Pandas資料分析教程(1)-Series和DataFrame

前言

最近自己也在進行Python資料分析的學習，故在此寫下本文作為筆記使用，本文是筆記系列的的第一篇，不定期更新，寫的博客如有錯誤或者疏忽的地方，還望各位大佬指點，在此表示感激不盡，

Pandas是建立在Numpy模組和matplotlib模組之上的，其代碼風格與Numpy非常接近，但最大的不同是，Pandas針對的是表格型資料或異質型資料，而Numpy則更適合處理同質型資料，也就是資料型別相同的資料，

在開始之前，本文默認讀者們都初步了解了Python的基礎知識，有Numpy模塊有一定了解，

正因為Pandas是在Numpy基礎上實作，其核心資料結構與Numpy的ndarray十分相似，二者之間主要區別是：

🌎從資料結構上看：

• numpy的核心資料結構是ndarray，支持任意維數的陣列，但要求單個陣列內所有資料是同質的，即型別必須相同；而pandas的核心資料結構是Series和Dataframe，僅支持一維和二維資料，但資料內部可以是異構資料，僅要求同列資料型別一致即可
• numpy的資料結構僅支持數字索引，而pandas資料結構則同時支持數字索引和標簽索引

🌎從功能定位上看：

• numpy雖然也支持字串等其他資料型別，但仍然主要是用于數值計算，尤其是內部集成了大量矩陣計算模塊，例如基本的矩陣運算、線性代數、fft、生成亂數等

• pandas主要用于資料處理與分析，支持包括資料讀寫、數值計算、資料處理、資料分析和資料可視化全套流程操作

萬物之始，引入pandas包：

import pandas as pd

Pandas有兩個相當常用的資料結構(類)：Series和DataFram，本文主要學習這兩類資料結構，

Series.

Series由一組資料以及一組與之相關的資料標簽(即索引)組成，類似表格中的一個列（column），包含index和values兩種屬性，可以通過索引的方式選取Series中的單個或一組值，

Series創建

任何Python中的序列(sequence)都可以傳入Series的生成函式，序列是是Python中最基本的資料結構，包括串列、元組、字串、Unicode字串、buffer物件和xrange物件，如下：

pd.Series(list,index=[ ])

list為傳入序列，index為指定索引，默認為空，見下例：

>> obj = pd.Series([2,3,4,5])
>> obj
0    2
1    3
2    4
3    5
dtype: int64

Series是一種有序的資料型別，在這個例子中，索引在左，值在右，我們傳入了一個串列（當然也可以傳入陣列(ndarray)，字典，元組等），如果沒有指定索引，索引值就從 0 開始，我們可以根據索引值讀取資料，當然我們也可以自行指定索引，例如：

>> obj = pd.Series([2,3,4,5],index = ['a','b','c','a'])
>> obj
a    2
b    3
c    4
a    5
dtype: int64

🔺注意！由上面的例子可以看出，Series中的索引是可以重復的！并且哪怕指定了索引，我們仍可利用從0開始的下標索引去讀取，如obj[1] = 3

Series屬性

訪問Series的幾種屬性，這些屬性可以用賦值的方法改變：

In: obj.index    #獲取索引
    obj.values   #獲取值
    obj.dtype    #獲取資料型別
    obj.name = 'text'  #給obj起名字
    obj.index.name = 'INDEX' #給obj的索引起名字

Out:Index(['a', 'b', 'a', 'd'], dtype='object')
    array([2, 3, 4, 5], dtype=int64)
    dtype('int64')

Pandas基于Numpy開發，故其中很多操作有共通之處，比如說除了使用下標索引來進行讀取外，還可以利用布爾索引進行讀取，同時可以進行科學計算，

#下標索引
>> obj[1:3]
b    3
a    4
dtype: int64

#布爾索引
>> obj[[True,False,False,True]]
a    2
d    5
dtype: int64
    
>> obj[obj>=3]
b    3
a    4
d    5
dtype: int64

DataFrame

DataFrame有點像Excel中的資料表，既有行索引又有列索引，每一列的值型別可以不同(數值，字串等)，是一種二維的資料型別，

DataFrame創建

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

以下列例子說明DataFrame的創建函式：

data = [          #也可以傳入二維的ndarray、序列等
    [1,2,3],
    [2,3,4],
    [3,1,0],
    [4,7,9]
]
#第二個引數為行索引，第三個為列索引
frame = pd.DataFrame(data,range(1，5),['a','b','c']) 
>> frame                             #當然未指定索引則默認從0開始
   a  b  c
1  1  2  3
2  2  3  4
3  3  1  0
4  4  7  9

獲取DataFrame的屬性：

In: frame.index    #獲取索引
    frame.columns  #獲取列名
    frame.values   #獲取值
    frame.shape    #獲取行列數
    frame.dtypes    #獲取資料型別,注意為復數
    frame.name = 'text'  #給frame起名字
    frame.index.name = 'INDEX' #給frame的索引起名字

Out:RangeIndex(start=1, stop=5, step=1)
    Index(['a', 'b', 'c'], dtype='object')
    array([[1, 2, 3],
       [2, 3, 4],
       [3, 1, 0],
       [4, 7, 9]], dtype=int64)
    (4, 3)
    a    int64
    b    int64
    c    int64
    dtype: object

DataFrame操作

🔺注意！以下操作均是在資料的視圖，而不是拷貝上進行的，因此對DataFrame的操作會改變資料內容

訪問前n行：

>> frame.head(3)  #只能輸入整數
   a  b  c
1  1  2  3
2  2  3  4
3  3  1  0

利用索引訪問列：

>> frame[['b','c']]  #訪問單列為frame['b']
   b  c
1  2  3
2  3  4
3  1  0
4  7  9
#或者
>> frame.b   #效果同上

修改一整列所有的值，若列名不存在，則生成一個新的列：

>> frame['d'] = (frame.c > 0)
frame
   a  b  c      d
1  1  2  3   True
2  2  3  4   True
3  3  1  0  False
4  4  7  9   True

洗掉某幾行/列：

new_frame = frame.drop([2,3],axis = 0)  #原frame不變，回傳新的資料,第二個引數為0代表操作行，為1代表操作列

洗掉某幾列：

del frame['d']

洗掉某幾行/列：

new_frame = frame.drop([2,3],axis = 0)  #原frame不變，回傳新的資料,第二個引數為0代表操作行，為1代表操作列

洗掉某幾列：

del frame['d']

下面是一些關于索引的操作：

下次應該會寫Pandas的資料讀取啥的，但更新又不知道是什么時候了hhh.

轉載請標注作者和出處鏈接