2 Series&Pandas

为什么学习pandas

  • numpy已经可以帮助我们进行数据的处理了,那么学习pandas的目的是什么呢?
    • numpy能够帮助我们处理的是数值型的数据,当然在数据分析中除了数值型的数据还有好多其他类型的数据(字符串,时间序列),那么pandas就可以帮我们很好的处理除了数值型的其他数据!

什么是pandas?

  • 首先先来认识pandas中的两个常用的类
    • Series
    • DataFrame

Series

  • Series是一种类似与一维数组的对象,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
  • Series的创建

    • 由列表或numpy数组创建
    • 由字典创建
from pandas import Series
s = Series(data=[1,2,3,'four'])
s
0       1
1       2
2       3
3    four
dtype: object
import numpy as np
s = Series(data=np.random.randint(0,100,size=(3,)))
s
0    53
1    24
2    35
dtype: int32
#index用来指定显示索引
s = Series(data=[1,2,3,'four'],index=['a','b','c','d'])
s
a       1
b       2
c       3
d    four
dtype: object
#为什么需要有显示索引
# 显示索引可以增强Series的可读性
dic = {
    '语文':100,
    '数学':99,
    '理综':250
}
s = Series(data=dic)
s
语文    100
数学     99
理综    250
dtype: int64
  • Series的索引和切片
s[0]
s.语文
s[0:2]
语文    100
数学     99
dtype: int64
  • Series的常用属性
    • shape
    • size
    • index
    • values
s.shape
s.size
s.index #返回索引
s.values #返回值
s.dtype #元素的类型
dtype('int64')
s = Series(data=[1,2,3,'four'],index=['a','b','c','d'])
s.dtype #数据类型O表示的是Object(字符串类型)
dtype('O')
  • Series的常用方法
    • head(),tail()
    • unique()
    • isnull(),notnull()
    • add() sub() mul() div()
s = Series(data=np.random.randint(60,100,size=(10,)))
s.head(3) #显示前n个数据
0    99
1    99
2    88
dtype: int64
s.tail(3) #显示后n个元素
7    85
8    70
9    76
dtype: int64
s.unique() #去重
array([99, 88, 74, 72, 80, 63, 85, 70, 76])
s.isnull() #用于判断每一个元素是否为空,为空返回True,否则返回False
0    False
1    False
2    False
3    False
4    False
5    False
6    False
7    False
8    False
9    False
dtype: bool
s.notnull()
0    True
1    True
2    True
3    True
4    True
5    True
6    True
7    True
8    True
9    True
dtype: bool
  • Series的算术运算
    • 法则:索引一致的元素进行算数运算否则补空
s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','d','c'])
s = s1 + s2
s
a    2.0
b    NaN
c    6.0
d    NaN
dtype: float64
s.isnull()
a    False
b     True
c    False
d     True
dtype: bool

DataFrame

  • DataFrame是一个【表格型】的数据结构。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
  • DataFrame的创建

    • ndarray创建
    • 字典创建
from pandas import DataFrame
df = DataFrame(data=[[1,2,3],[4,5,6]])
df
0 1 2
0 1 2 3
1 4 5 6
df = DataFrame(data=np.random.randint(0,100,size=(6,4)))
df
0 1 2 3
0 93 61 7 1
1 89 41 29 16
2 21 66 97 24
3 56 96 13 87
4 86 21 20 54
5 19 18 96 7
dic = {
    'name':['zhangsan','lisi','wanglaowu'],
    'salary':[1000,2000,3000]
}
df = DataFrame(data=dic,index=['a','b','c'])
df
name salary
a zhangsan 1000
b lisi 2000
c wanglaowu 3000
  • DataFrame的属性
    • values、columns、index、shape
df.values
df.columns
df.index
df.shape
(3, 2)

============================================

练习4:

根据以下考试成绩表,创建一个DataFrame,命名为df:

    张三  李四  
语文 150  0
数学 150  0
英语 150  0
理综 300  0

============================================

dic = {
    '张三':[150,150,150,150],
    '李四':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 150 0
  • DataFrame索引操作
    • 对行进行索引
    • 队列进行索引
    • 对元素进行索引
df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
df
a b c d
0 75 69 79 67
1 98 65 96 79
2 71 82 91 92
3 73 60 89 69
4 70 74 64 79
5 85 76 65 68
6 81 62 89 76
7 69 94 95 92
df['a'] #取单列,如果df有显示的索引,通过索引机制去行或者列的时候只可以使用显示索引
0    75
1    98
2    71
3    73
4    70
5    85
6    81
7    69
Name: a, dtype: int32
df[['a','c']] #取多列
a c
0 95 83
1 76 78
2 69 89
3 74 93
4 75 93
5 67 66
6 95 71
7 72 79
  • iloc:
    • 通过隐式索引取行
  • loc:
    • 通过显示索引取行
#取单行
df.loc[0]
a    95
b    87
c    83
d    68
Name: 0, dtype: int64
#取多行
df.iloc[[0,3,5]]
a b c d
0 95 87 83 68
3 74 77 93 82
5 67 98 66 85
#取单个元素
df.iloc[0,2]
df.loc[0,'a']
95
#取多个元素
df.iloc[[1,3,5],2]
1    78
3    93
5    66
Name: c, dtype: int64
  • DataFrame的切片操作
    • 对行进行切片
    • 对列进行切片
#切行
df[0:2]
a b c d
0 95 87 83 68
1 76 82 78 95
#切列
df.iloc[:,0:2]
a b
0 95 87
1 76 82
2 69 94
3 74 77
4 75 88
5 67 98
6 95 83
7 72 74
  • df索引和切片操作

    • 索引:
      • df[col]:取列
      • df.loc[index]:取行
      • df.iloc[index,col]:取元素
    • 切片:
      • df[index1:index3]:切行
      • df.iloc[:,col1:col3]:切列
  • DataFrame的运算

    • 同Series

============================================

练习:

  1. 假设ddd是期中考试成绩,ddd2是期末考试成绩,请自由创建ddd2,并将其与ddd相加,求期中期末平均值。

  2. 假设张三期中考试数学被发现作弊,要记为0分,如何实现?

  3. 李四因为举报张三作弊立功,期中考试所有科目加100分,如何实现?

  4. 后来老师发现有一道题出错了,为了安抚学生情绪,给每位学生每个科目都加10分,如何实现?

============================================

dic = {
    '张三':[150,150,150,150],
    '李四':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
qizhong = df
qimo = df
(qizhong + qizhong) / 2 #期中期末的平均值
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 150 0
qizhong.loc['数学','张三'] = 0
qizhong #将张三的数学成绩修改为0
张三 李四
语文 150 0
数学 0 0
英语 150 0
理综 150 0
#将李四的所有成绩+100
qizhong['李四']+=100
qizhong
张三 李四
语文 150 100
数学 0 100
英语 150 100
理综 150 100
qizhong += 10
qizhong #将所有学生的成绩+10
张三 李四
语文 160 110
数学 10 110
英语 160 110
理综 160 110
  • 时间数据类型的转换
    • pd.to_datetime(col)
  • 将某一列设置为行索引
    • df.set_index()
dic = {
    'time':['2010-10-10','2011-11-20','2020-01-10'],
    'temp':[33,31,30]
}
df = DataFrame(data=dic)
df
time temp
0 2010-10-10 33
1 2011-11-20 31
2 2020-01-10 30
#查看time列的类型
df['time'].dtype
dtype('O')
import pandas as pd
#将time列的数据类型转换成时间序列类型
df['time'] = pd.to_datetime(df['time'])
df
time temp
0 2010-10-10 33
1 2011-11-20 31
2 2020-01-10 30
df['time']
0   2010-10-10
1   2011-11-20
2   2020-01-10
Name: time, dtype: datetime64[ns]
#将time列作为源数据的行索引
df.set_index('time',inplace=True)
df
temp
time
2010-10-10 33
2011-11-20 31
2020-01-10 30

posted @ 2021-06-16 12:45  风hua  阅读(60)  评论(0编辑  收藏  举报