python库pandas简介

　　pandas是基于numpy的数据分析模块，提供了大量标准模型和高效操作大型数据集所需要的工具。

　　pandas主要提供了3种数据结构：1、Series，带标签的一维数组；2、DataFrame，带标签且大小可变的二维表格结构；3、Panel，带标签且大小可变的三维数组。

　　使用：用pig工具下载和安装pandas

　　导入：import pandas as pd

 

　　1.生成一维数组

　　import numpy as np

　　x = pd.Series([1, 3,  5, np.nan])

 

　　2.生成二维数组

　　dates = pd.data_range(start  = '20130101', end = '20131231', freq = 'D') #间隔为天

　　dates = pd.data_range(start  = '20130101', end = '20131231', freq = 'M') #间隔为月

　　df = pd.DataFrame(np.random.randn(12, 4), index = dates, columns = list('ABCD'))

　　df = pd.DataFrame([[np.random.randint(1, 100) for j in range(4)] for i in range(12)], index = dates, columns = list('ABCD')) #构造4列随机数

　　df = pd.DataFrame({'A':[np.random.randint(1, 100) for i in range(4)], 'B':pd.date_range(start = '20130101', periods = 4, freq = 'D'), 'C':pd.Series([1, 2, 3, 4], index = list(range(4)), dtype = 'float32'), 'D':np.array([3] * 4, dtype = 'int32'), 'E':pd.Categorical(["test", "train", "test", "train"]), 'F':'foo'})

　　df = pd.DataFrame({'A':[np.random.randint(1, 100) for i in range(4)], 'B':pd.date_range(start = '20130101', periods = 4, freq = 'D'), 'C':pd.Series([1, 2, 3, 4], index = list(range(4)), dtype = 'float32'), 'D':np.array([3] * 4, dtype = 'int32'), 'E':pd.Categorical(["test", "train", "test", "train"]), 'F':'foo'})

 

　　3.二维数据查看

　　df.head()  #默认显示前5行

　　df.head(3)  #查看前3行

　　df.tail(2)  #查看最后2行

 

　　4.查看二维数据的索引、列名和数据

　　df.index  #查看索引

　　df.columns  #查看列名

　　df.values  #查看数据

 

　　5.查看数据的统计信息

　　df.describe()  #返回平均值、标准差、最小值、最大值等信息

 

　　6.二维数据转置

　　df.T

 

　　7.排序

　　df.sort_index(axis = 0, ascending = False)   #对轴进行排序

　　df.sort_index(axis = 1, ascending = False)  

　　df.sort_values(by = 'A')  #对数据进行排序

　　df.sort_vlaues(by = 'A', ascending = False)  #对数据进行降序排列

 

　　8.数据选择

　　df['A']　　#选择列

　　df[0 : 2]　　#使用切片选择多行

　　df.loc[:, ['A', 'C']]　　#选择多列

　　df.loc[['zhang', 'zhou'], ['A', 'B', 'C', 'D']]　　#同时指定多行与多列进行选择

　　df.loc['zhang', ['A', 'B', 'C', 'D']] 

　　df.at['zhang', 'A']　　#查询指定行、列位置的数据值

　　df.iloc[3]　　#查询第3行数据

　　df.iloc[0:3, 0:4]　　#查询前3行、前4列数据

　　df.iloc[[0, 2, 3], [0, 4]]　　#查询指定的多行、多列数据

　　df[df.A > 50]　　#按给定条件进行查询