Pandas

一、pandas库的入门

Pandas是Python第三方库,提供高性能易用数据类型和分析工具

Pandas基于NumPy实现,常与NumPy和Matplotlib一同使用

http://pandas.pydata.org

import pandas as pd

例子:

pandas库的两种数据类型
两个数据类型:Series, DataFrame
基于上述数据类型的各类操作
基本操作、运算操作、特征类操作、关联类操作

NumPy Pandas
基础数据类型 扩展数据类型
关注数据的结构表达 关注数据的应用表达
维度:数据间关系 数据与索引间关系

二、Pandas的Series类型

Series类型由一组数据及与之相关的数据索引组成
索引 数据
index_0 data_a
index_1 data_b
index_2 data_c
index_3 data_d

结果
a 9
b 8
c 7
d 6
dtype: int64
#index可以缺省

Series类型可以由如下类型创建:
Python列表
标量值
Python字典
ndarray
其他函数

1.从标量值创建

结果:
a 25
b 25
c 25
d 25
dtype: int64
#不能缺省index

2.从字典类型创建

运行结果:
a 23.0
b 15.0
c NaN
d 12.0
dtype: float64
#inde从字典中选择操作

3.从ndarray类型创建

运行结果:
9 0
8 1
7 2
6 3
5 4
dtype: int64

Series类型可以由如下类型创建:
• Python列表,index与列表元素个数一致
• 标量值,index表达Series类型的尺寸
• Python字典,键值对中的“键”是索引,index从字典中进行选择操作 • ndarray,索引和数据都可以通过ndarray类型创建
• 其他函数,range()函数等

Series类型的基本操作:
Series 类型包括index和values两部分
Series类型的操作类似ndarray类型
Series类型的操作类似Python字典类型

Series类型的操作类似ndarray类型:
• 索引方法相同,采用[]
• NumPy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片,如果存在自定义索引,则一同被切片

Series类型的操作类似Python字典类型:
• 通过自定义索引访问
• 保留字in操作
• 使用.get()方法

Series类型对齐操作
Series类型在运算中会自动对齐不同索引的数据

Series类型的name属性
Series对象和索引都可以有一个名字,存储在属性.name中

Series类型的修改
eries对象可以随时修改并即刻生效

Series是一维带“标签”数组
Series基本操作类似ndarray和字典,根据索引对齐

三、DataFrame类型

DataFrame类型由共用相同索引的一组列组成
索引 多列数据
index_0 data_a data_1 data_w
index_1 data_b data_2 …… data_x
index_2 data_c data_3 data_y
index_3 data_d data_4 data_z

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常用于表达二维数据,但可以表达多维数据

DataFrame类型可以由如下类型创建:
• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

1. 二维ndarray对象

#自动索引

2.从一维ndarray对象字典创建

3.从列表类型的字典创建

DataFrame基本操作类似Series,依据行列索引

四、Pandas库数据类型的操作

如何改变Series和DataFrame对象?
增加或重排:重新索引
删除:drop

1.重新索引
.reindex()能够改变或重排Series和DataFrame索引

.reindex(index=None, columns=None, …)的参数
参数 说明
index, columns 新的行列自定义索引
fill_value 重新索引中,用于填充缺失位置的值
method 填充方法, ffill当前值向前填充,bfill向后填充
limit 最大填充量
copy 默认True,生成新的对象,False时,新旧相等不复制

Series和DataFrame的索引是Index类型 Index对象是不可修改类型
索引类型常用方法
方法 说明
.append(idx) 连接另一个Index对象,产生新的Index对象
.diff(idx) 计算差集,产生新的Index对象
.intersection(idx) 计算交集
.union(idx) 计算并集
.delete(loc) 删除loc位置处的元素
.insert(loc,e) 在loc位置增加一个元素e

.drop()能够删除Series和DataFrame指定行或列索引

五.Pandas库数据类型计算

算术运算法则
算术运算根据行列索引,补齐后运算,运算默认产生浮点数 补齐时缺项填充NaN (空值)
二维和一维、一维和零维间为广播运算 采用+ ‐ * /符号进行的二元运算产生新的对象

数据类型的算术运算
方法 说明
.add(d, **argws) 类型间加法运算,可选参数
.sub(d, **argws) 类型间减法运算,可选参数
.mul(d, **argws) 类型间乘法运算,可选参数
.div(d, **argws) 类型间除法运算,可选参数

不同维度间为广播运算,一维Series默认在轴1参与运算
使用运算方法可以令一维Series参与轴0运算

比较运算法则

比较运算只能比较相同索引的元素,不进行补齐 二维和一维、一维和零维间为广播运算
采用> < >= <= == !=等符号进行的二元运算产生布尔对象

同维度运算,尺寸一致
不同维度,广播运算,默认在1轴

六、数据的排序

.sort_index()方法在指定轴上根据索引进行排序,默认升序
.sort_index(axis=0, ascending=True)

.sort_values()方法在指定轴上根据数值进行排序,默认升序 Series.sort_values(axis=0, ascending=True)
DataFrame.sort_values(by, axis=0, ascending=True)
by : axis轴上的某个索引或索引列表

NaN统一放到排序末尾

八.数据的基本统计分析

适用于Series和DataFrame类型
方法 说明
.sum() 计算数据的总和,按0轴计算,下同
.count() 非NaN值的数量
.mean() .median() 计算数据的算术平均值、算术中位数
.var() .std() 计算数据的方差、标准差
.min() .max() 计算数据的最小值、最大值
.argmin() .argmax() 计算数据最大值、最小值所在位置的索引位置(自动索引)
.idxmin() .idxmax() 计算数据最大值、最小值所在位置的索引(自定义索引)
.describe() 针对0轴(各列)的统计汇总

九、数据的累计分布

适用于Series和DataFrame类型,累计计算
方法 说明
.cumsum() 依次给出前1、2、…、n个数的和
.cumprod() 依次给出前1、2、…、n个数的积
.cummax() 依次给出前1、2、…、n个数的最大值
.cummin() 依次给出前1、2、…、n个数的最小值

适用于Series和DataFrame类型,滚动计算(窗口计算)
.rolling(w).sum() 依次计算相邻w个元素的和
.rolling(w).mean() 依次计算相邻w个元素的算术平均值
.rolling(w).var() 依次计算相邻w个元素的方差
.rolling(w).std() 依次计算相邻w个元素的标准差
.rolling(w).min() .max() 依次计算相邻w个元素的最小值和最大值

十.数据的相关分析

两个事物,表示为X和Y,如何判断它们之间的存在相关性? 相关性
• X增大,Y增大,两个变量正相关
• X增大,Y减小,两个变量负相关
• X增大,Y无视,两个变量不相关

协方差
两个事物,表示为X和Y,如何判断它们之间的存在相关性?
• 协方差>0, X和Y正相关
• 协方差<0, X和Y负相关
• 协方差=0, X和Y独立无关

Pearson相关系数
两个事物,表示为X和Y,如何判断它们之间的存在相关性?
r取值范围[‐1,1]
0.8‐1.0 极强相关
• 0.6‐0.8 强相关
• 0.4‐0.6 中等程度相关
• 0.2‐0.4 弱相关
• 0.0‐0.2 极弱相关或无相关

方法 说明
.cov() 计算协方差矩阵
.corr() 计算相关系数矩阵, Pearson、Spearman、Kendall等系数

参考资料:
北京理工大学 嵩山 www.python123.org

《Pandas》有1个想法

发表评论

电子邮件地址不会被公开。 必填项已用*标注