3.Pandas库

引入pandas库：import  pandas as pd

一.介绍：

• pandas数据分析处理库

<1>pandas和numpy区别：

<2>read_csv读取文件中数据：

1.head()读取前几条：

2.info()返回当前信息：

 3.返回索引（index）、列名（columns）：

4.values打印所有值：

二.读取数据：

<1>指定列：

1.一列：

2.两列：

<2>设定索引：

<3>按某一特性查找：

<4>运算：

• describe() 方法通常会返回以下统计信息：
  • count：非缺失值的数量。
  • mean：平均值。
  • std：标准差。
  • min：最小值。
  • 指定的分位数（如 25%、50%、75%）。
  • max：最大值。

【注意】对于非数值型数据（如字符串、对象类型），describe() 方法会返回以下统计信息：

• count：非缺失值的数量。
• unique：唯一值的数量。
• top：出现频率最高的值。
• freq：出现频率最高的值的频数。

<5>loc和iloc:

 1.区别：

DataFrame.loc[row_label, column_label]
DataFrame.iloc[row_label, column_label]

• row_label：行标签，可以是单个标签、标签列表、标签切片或布尔数组。
• column_label：列标签，同样可以是单个标签、标签列表、标签切片或布尔数组。

2.代码演示：

• 查找admin年龄 以及admin~ss所有信息：

• 赋值 

• 找Fare>40的人的信息： 

三.常用操作：

<1>创建二维数据结构：

• DataFrame({}):二维的数据结构

<2>排序：

1.sort_values:

1.1.格式：

• 语法：DataFrame.sort_values(by, axis = 0, ascending=True, inplace=False, kind='quicksort', na_position='last')
  • by：指定排序的依据，可以是一个列名（字符串）或者列名的列表。例如，如果df是一个DataFrame，df.sort_values(by = 'column_name')会按照column_name列的值进行排序。如果是多个列，像df.sort_values(by=['col1','col2'])，会先按照col1列排序，当col1列的值相同时，再按照col2列排序。
  • axis：默认值为 0，表示按照行索引排序。如果设置为 1，则按照列名排序，不过这种用法相对较少。
  • ascending：布尔值或布尔值列表。如果是True（默认值），则按照升序排序；如果是False，则按照降序排序。当by是列名列表时，ascending也可以是一个长度相同的布尔值列表，例如df.sort_values(by=['col1','col2'], ascending=[True,False])表示col1列升序排序，col2列降序排序。
  • inplace：默认值为False。如果设置为True，则会直接在原始的DataFrame上进行排序，函数没有返回值。如果设置为False（推荐），函数会返回一个排序后的DataFrame副本，而原始DataFrame不变。
  • kind：指定排序算法，有'quicksort'（快速排序，默认）、'mergesort'（归并排序）和'heapsort'（堆排序）。一般情况下，默认的快速排序就足够了，但在某些特殊情况下，比如需要保证排序的稳定性时，可以选择mergesort。
  • na_position：用于指定缺失值（NaN）的位置。默认是'last'，即缺失值排在最后；也可以设置为'first'，让缺失值排在最前面。

1.2.两列排序：

1.3.一列排序：

<3>去除重复值:

1.drop_duplicates:

1.1.格式：

• 语法：DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)
  • subset：可选参数，用于指定判断重复的列。可以是列名或者列名的列表。例如，df.drop_duplicates(subset = 'column_name')会根据column_name列的值来判断行是否重复。如果是多个列，如df.drop_duplicates(subset=['col1','col2'])，只有当col1和col2列的值组合完全相同时，才会判定为重复行。
  • keep：指定保留哪一个重复行。有三个可选值：'first'（默认），保留第一次出现的行，删除后面的重复行；'last'，保留最后一次出现的行，删除前面的重复行；False，删除所有重复行，只保留不重复的行。
  • inplace：默认值为False。如果设置为True，会直接在原始的DataFrame上进行操作，函数没有返回值。如果设置为False（推荐），函数会返回一个去除重复行后的DataFrame副本，原始DataFrame不变。
  • ignore_index：默认值为False。如果设置为True，返回的DataFrame的索引会被重新编号，从 0 开始按顺序排列。

<4>合并同类项：

1.app:

1.1.格式：

• 对于Series，语法为Series.apply(func, convert_dtype=True, args=(), **kwargs)。
  • 返回一个新的Series，其长度与原Series相同，元素是原Series元素经过func函数处理后的结果。
• 对于DataFrame，语法为DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwargs)。
  • 当应用于DataFrame时：
    • 如果axis = 0，返回一个Series，其索引为原DataFrame的列名，值是每列经过func函数处理后的结果。
    • 如果axis = 1，返回一个Series，其索引为原DataFrame的行索引，值是每行经过func函数处理后的结果。
• 其中func是要应用的函数。在DataFrame中，axis参数用于指定应用函数的轴，axis = 0表示按列应用，axis = 1表示按行应用。

 2.map:

2.1.格式：

• Series.map(arg, na_action=None)
  • 其中arg可以是一个函数、一个字典或者一个Series。na_action参数用于指定在遇到缺失值（NaN）时的操作，默认是None，也可以是'ignore'。

<5>新列操作：

1.assign添加新列

 2.drop去掉指定列：

3.replace替换指定值：

4.cut分割成组：

4.1.codes映射：

4.2.统计数量： 

(1)方式一：

(2)方式二：

 5.isnull判断是否有缺失值：

传入的是一个嵌套列表 [range(3),[0,np.nan,0],[0,0,np.nan],range(3)]，其中包含 4 个元素，每个元素代表数据框的一行。

• range(3)：range(3) 会生成一个包含 0、1、2 的可迭代对象，在创建数据框时会被转换为列表 [0, 1, 2]。
• [0,np.nan,0]：这是一个包含一个缺失值的列表，np.nan 是 numpy 库中用于表示缺失值（Not a Number）的特殊值。
• [0,0,np.nan]：同样是一个包含缺失值的列表。

 5.2.按照行/列判断缺失值：

5.3.fillna填充缺失：

四.groupby操作:

五.数值运算：

<1>基础运算：

<2>cov协方差：

1.协方差好处：

协方差是衡量两个变量的总体误差的统计量，它可以帮助我们了解两个变量之间的变化趋势是否一致。

2.应用：

• DataFrame，它会计算各列之间的协方差矩阵；
• 对于Series，它会计算该序列与另一个序列之间的协方差。

<3>corr相关系数：

1.应用：

• corr()方法可用于DataFrame和Series对象。
  • 当应用于DataFrame时，它会计算数据框中各列之间的相关性；
    • 返回一个包含各列之间相关性的DataFrame，对角线元素为 1（因为每列与自身的相关性为 1）。
  • 当应用于Series时，它会计算该序列与另一个序列之间的相关性。
    • 返回一个表示两个序列之间相关性的标量值。

<4>value_counts()不同值的出现次数：

【注意】默认降序，若想要升序，在括号内填写参数：ascending=True；若在参数中指定bins=数，则会自动分组。

2.count（）统计总数：

六.对象的增删改查：

<1>Series结构的增删改查：

一行或一列

（1）查：

（2）修改：

1.replace改值：

2.rename改索引：

（3）concat增加：

（4）删除：

1.删单del个：

2.删多drop个：

<2>DataFrame结构的增删改查：

七.merge操作：

<1>‘一阶’合并：

<2>‘二阶’合并：

<3>‘阶’值有区别：

 八.设置全局变量：

API 参考 — pandas 2.2.3 文档https://pandas.pydata.org/pandas-docs/stable/reference/index.htmlhttps://pandas.pydata.org/pandas-docs/stable/reference/index.htmlhttps://pandas.pydata.org/pandas-docs/stable/reference/index.htmlpandas.set_option — pandas 2.2.3 documentationhttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html#pandashttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html#pandashttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html#pandas

<1>max_rows行：

<2>max_columns列：

<3>.max_colwidth字符串长：

<4>precision小数精度：

九.pivot操作：

• index：指定作为新 DataFrame 行索引的列名，在你的代码里是 'Category'，意味着 example 数据框中 Category 列的值会成为新数据框的行索引。
• columns：指定作为新 DataFrame 列索引的列名，这里是 'Month'，也就是 example 数据框中 Month 列的值会成为新数据框的列名。
• values：指定用于填充新 DataFrame 单元格的列名，即 'Amount'，表示 example 数据框中 Amount 列的值会填充到新数据框对应的位置。

<1>例题：

（1）性别不同在不同船舱等级：

（2） 性别、船舱不同的最大花销：     

（3）不同性别在不同船舱人数：

（4）船舱等级获救情况：

（5）查看未成年获救情况：

<2>crosstab和pivot区别：

import pandas as pd

# 创建示例数据
gender = ['Male', 'Female', 'Male', 'Female']
smoker = ['Yes', 'No', 'No', 'Yes']

# 使用 crosstab 创建列联表
result = pd.crosstab(gender, smoker)
print(result)

import pandas as pd

# 创建示例数据
gender = ['Male', 'Female', 'Male', 'Female']
smoker = ['Yes', 'No', 'No', 'Yes']

# 使用 crosstab 创建列联表
result = pd.crosstab(gender, smoker)
print(result)

十.时间操作：

<1>时间挫：

<2>相关处理时间操作：

1.Timestamp和to_datetime区别和相同：

2.相关函数用法展示：