当前位置：首页 > article >正文

【Python】pandas库---数据分析

article 2024/12/24 4:04:31

大学毕业那年，你成了社会底层群众里，受教育程度最高的一批人。

前言

这是我自己学习Python的第四篇博客总结。后期我会继续把Python学习笔记开源至博客上。

上一期笔记有关Python的NumPy数据分析，没看过的同学可以去看看：
【Python】NumPy数据分析(二)_numpy里的维度是行数-CSDN博客https://blog.csdn.net/hsy1603914691/article/details/142675036

pandas库

1. pandas库建立在Numpy库之上，继承了Numpy库的功能。

2. Numpy库的主要对象是数组，而pandas库的主要对象是Series。

3. 我们一般使用import pandas as pd，即用pd来简写pandas。

创建Series对象

1. 将一个列表作为参数，传入pandas库中的Series()方法即可创建一个Series对象。

2. 如果直接打印Series对象，那么会在左边给出索引、会在右边给出Series元素值。

3. 如果想单独打印索引，则使用Series.index，如果想单独打印Series元素值，则使用Series.values。

4. Series对象也能进行索引和切片，和数组类似。

import pandas as pd
s1=pd.Series([1,2,3,4,5])
print(s1)
print(s1.values)
print(s1.index)
#0    1
#1    2
#2    3
#3    4
#4    5
#dtype: int64
#[1 2 3 4 5]
#RangeIndex(start=0, stop=5, step=1)

Series对象的自定义索引

1. pandas中Series对象的索引可以自定义，只需创建Series对象时在列表后面指定index。

2. 对于Series对象，既可以使用标签索引，又可以使用位置索引。

3. 在pandas中，如果使用标签索引，则使用loc方法；如果使用位置索引，则使用iloc方法。

4. 另一种创建自定义索引Series对象的方法是：把字典作为参数传入Series()方法，那么字典中的键则变成标签，字典中的值则变成元素值。

5. 如果想知道一个标签是否在Series对象里面，可以使用成员运算符in(not in)。

6. 利用位置索引切片时，左闭右开；利用标签索引切片时，左右都是闭区间。

import pandas as pd
s1=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
print(s1)
print(s1.values)
print(s1.index)
#a    1
#b    2
#c    3
#d    4
#e    5
#dtype: int64
#[1 2 3 4 5]
#Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
print(s1.loc['a'])
#a
print(s1.iloc[1])
#a

Series对象的计算

1. pandas库会根据Series对象索引一致来计算元素值。

2. 为了避免出现NAN值，我们需要用pandas库提供的方法来进行加减乘除，而不能直接通过 + - * / 这四个符号来计算。

3. +：Series1.add(Series1,fill_value=0)

4. -：Series1.sub(Series1,fill_value=0)

5. *：Series1.mul(Series1,fill_value=0)

6. /：Series1.div(Series1,fill_value=0)

7. pandas库还提供了describe()方法，整体描述Series对象。

8. pandas库还提供了apply()方法，用于接收Series对象需要调用的函数，把Series对象的元素值作为参数传函数。

9. 以上的方法并不改变原来的Series对象，而是返回一个新的Series对象。

import pandas as pd
s1=pd.Series({"小明":92,"小红":67,"小杰":70,"小丽":88,"小华":76})
s2=pd.Series({"小明":95,"小杰":85,"小宇":60,"小娟":79,"小彤":76})
s3=s1.add(s2,fill_value=0)
print(s3)
print(s1.describe())
s1=s1+5
print(s1)


def grade_std(score):
    if score>=90:
        return 'A'
    elif (score<90 and score>=80):
        return 'B'
    elif (score<80 and score>=70):
        return 'C'
    else:
        return 'D'
s4=s1.apply(grade_std)
print(s4)

创建DataFrame对象

1. 在pandas库中，多个Series对象组成一个DateFrame对象。Series对象类似于数组，而DateFrame对象类似于表格。

2. DateFrame对象的不同列可以是不同的数据类型，所以DateFrame对象不止有横向的索引，也有列项的列名。

3. 创建DateFrame对象，可以使用pandas库的DataFrame()方法，往里面传入一个字典为参数，其中字典的键是列名，字典的值是不同的Series对象。