当前位置：首页 > article >正文

pandas基础1

article 2024/9/25 14:24:53

Pandas 是非常著名的开源数据处理库，我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外，Pandas 拥有强大的缺失数据处理与数据透视功能，可谓是数据预处理中的必备利器。

Pandas 是非常著名的开源数据处理库，其基于 NumPy 开发，该工具是 Scipy 生态中为了解决数据分析任务而设计。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的函数和方法。

数据类型

Pandas 的数据类型主要有以下几种，它们分别是：Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）。其中 Series 和 DataFrame 应用的最为广泛，几乎占据了使用频率 90% 以上。

我们按照维度来介绍对应的操作

在 Pandas 中，Series 是一个一维数组结构，用于存储任何类型的数据（整数、字符串、浮点数、Python对象等）。Series 的每个元素都有一个索引标签，使得它类似于一个字典。

关键特性：

可变性：可以更改其元素。
异构性：可以包含不同类型的数据。
自动索引：如果没有指定索引，则自动创建从 0 开始的索引。

序列类型即一位数组

来看看有什么数据类型

Pandas 的 Series 对象可以包含多种不同的数据类型，例如：

整数类型：例如 pd.Series([1, 2, 3, 4])。
浮点类型：例如 pd.Series([1.0, 2.5, 3.3, 4.8])。
字符串类型：例如 pd.Series(['apple', 'banana', 'cherry'])。
布尔类型：例如 pd.Series([True, False, True])。
时间类型：例如 pd.Series(pd.date_range('20200101', periods=3))。
混合类型：可以在一个 Series 中包含不同类型的数据，例如 pd.Series([1, 'apple', 3.14, True])。

以下是一些常见的 Series 操作的示例代码：

import pandas as pd

# 创建 Series
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

# 访问数据
print(data['b'])  # 输出: 2

# 修改数据
data['b'] = 5
print(data['b'])  # 输出: 5

# 切片操作
print(data[1:3])

# 条件筛选
print(data[data > 2])

# 常用函数
print(data.mean())  # 计算平均值

这些操作展示了 Series 的基本使用，包括创建、访问、修改数据、切片以及使用简单的统计函数。

# 创建 Series
data = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

这个比较直观我们可以看到四个数字，如果直接打印data[0],就会输出位置为0的数字1，如果打印data[‘a’]也是输出数字a对应位置的数字

import pandas as pd
pf=pd.Series({'a':10,'b':20,'c':30},index={1,2,3})
pf

在上面提供的代码中，有一个错误。当创建一个 Series 对象时，如果**同时提供了一个字典和一个索引列表，Pandas 将使用提供的索引来查找字典中的值。如果在字典中找不到索引对应的键，将会返回 NaN（表示“不是数字”）**作为那个索引的值。在你的例子中，由于索引是 {1, 2, 3} 而字典的键是 {'a', 'b', 'c'}，因此无法找到匹配的键，最终得到的 Series 将只包含 NaN 值。

正确的代码可以是这样的：

import pandas as pd
pf = pd.Series({'a': 10, 'b': 20, 'c': 30})
print(pf)

这样就会使用字典键作为索引，创建一个包含指定值的 Series 对象。如果你想自定义索引，可以这样做：

pf = pd.Series({'a': 10, 'b': 20, 'c': 30}, index=['a', 'b', 'c'])
print(pf)

这样将使用 'a', 'b', 'c' 作为索引。

DataFrame

DataFrame 是 Pandas 中最为常见、最重要且使用频率最高的数据结构。DataFrame 和平常的电子表格或 SQL 表结构相似。你可以把 DataFrame 看成是 Series 的扩展类型，它仿佛是由多个 Series 拼合而成。它和 Series 的直观区别在于，数据不但具有行索引，且具有列索引。

dataframe的基本结构

pandas.DataFrame(data=None, index=None, columns=None)

df = pd.DataFrame({'one': pd.Series([1, 2, 3]),
                   'two': pd.Series([4, 5, 6]),
                  'three':[1,2,3]},
                 )