代码收藏家 Pandas入门指南（Python数据分析第一课）
文章目录
Pandas 是一个开源的 Python 数据分析库，它提供了快速、灵活和富有表达力的数据结构，旨在使“关系”或“标签”数据的处理既简单又直观。它旨在成为高级数据分析和操作的高级构建块。Pandas 的名字来源于“panel data”（面板数据）和“python data analysis”（Python 数据分析）的缩写。
Pandas已经成为了Python 进行数据分析和挖掘时的数据基础平台和事实上的工业准。
使用 Pandas 包完成数据读入、数据清理、数据准备、图表呈现等工作，为继续学习数据建模和数据挖掘打下坚实基础。
安装
pip install pandas
设定系统环境
import pandas as pd
#设定自由列表输出最多为 10 行(可以根据需要去设定)
pd.options.display.max_rows = 10
# 显示当前 Pandas 版本号
pd.__version__
Series对象创建
Series：一维数组,与Numpy中的一维array类似。它是一种类似于一维数组的对象，是由一组数据(各种 NumPy 数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series 对象。用值列表生成 Series 时，Pandas 默认自动生成整数索引 。
【示例】使用列表创建
data=pd.Series([4,3,5,6,1])
data
'''
0 4
1 3
2 5
3 6
4 1
dtype: int64
'''
pandas中两个重要的属性 values 和index，**values:**是Series对象的原始数据。**index:**对应了Series对象的索引对象
【示例】属性values和index
data.values # array([4, 3, 5, 6, 1])
data.index # RangeIndex(start=0, stop=5, step=1)
【示例】指定index
data=pd.Series([5,4,6,3,1],index=['one','two','three','four','five'])
'''
one 5
two 4
three 6
four 3
five 1
dtype: int64
'''
【示例】使用list列表指定index
data=pd.Series([4,3,2,1],index=list('abcd'))
'''
a 4
b 3
c 2
d 1
dtype: int64
'''
【示例】传入字典创建，默认将key作为index
population_dict={'sh':2800,'bj':3000,'gz':1500,'sz':1200}
population_series=pd.Series(population_dict)
'''
sh 2800
bj 3000
gz 1500
sz 1200
dtype: int64
'''
【示例】如果既用了字典创建了Series对象，又显示的指定了index，如果key不存在，则值为NaN
#如果存在取交集
sub_series=pd.Series(population_dict,index=['bj','sh'])
#如果不存在则值为NaN
sub_series=pd.Series(population_dict,index=['bj','xa'])
'''
bj 3000.0
xa NaN
dtype: float64
'''
【示例】将一个标量与index对象一起传入创建
data=pd.Series(10,index=list('abcd'))
'''
a 10
b 10
c 10
d 10
dtype: int64
'''
DataFrame对象创建
DataFrame 是 Pandas 中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame 即有行索引也有列索引，可以被看做是由 Series 组成的字典。将两个series对象作为dict的value传入，就可以创建一个DataFrame对象。
【示例】创建DataFrame对象
population_dict={'beijing':3000,'shanghai':1200,'guangzhou':1800}
area_dict={'beijing':300,'shanghai':180,'guangzhou':200}
population_series=pd.Series(population_dict)
area_series=pd.Series(area_dict)
citys=pd.DataFrame({'area':area_series,'population':population_series})
print(citys)
'''
area population
beijing 300 3000
shanghai 180 1200
guangzhou 200 1800
'''
【示例】values index columns属性
citys.index # Index(['beijing', 'shanghai', 'guangzhou'],dtype='object')
citys.values
'''
array([[ 300, 3000],
[ 180, 1200],
[ 200, 1800]])
'''
citys.columns # Index(['area', 'population'], dtype='object')
【示例】列表创建
population_dict={'beijing':3000,'shanghai':1200,'guangzhou':1800}
area_dict={'beijing':300,'shanghai':180,'guangzhou':200}
data=pd.DataFrame([population_dict,area_dict])
#添加index属性
data=pd.DataFrame([population_dict,area_dict],index=['population','area'])
'''
beijing shanghai guangzhou
population 3000 1200 1800
area 300 180 200
'''
【示例】索引columns的使用
population_series=pd.Series(population_dict)
pd.DataFrame(population_series,columns=['population'])
'''
population
beijing 3000
shanghai 1200
guangzhou 1800
'''
【示例】二维数组指定columns和index创建
pd.DataFrame(np.random.randint(0,10(3,2)),columns=list('ab'),index=list('efg'))
'''
a b
e 2 0
f 2 5
g 7 8
'''
Pandas中的Index
Pandas中的Index，其实是不可变的一维数组
ind=pd.Index([3,4,5,6,7]) # Index([3, 4, 5, 6, 7], dtype='int64')
#根据下标获取值
ind[3] # np.int64(6)
#切片获取值
ind[::2] # Index([3, 5, 7], dtype='int64')
#有ndim shap dtype size属性
#但不能进行修改
ind[3]=20 # TypeError: Index does not support mutable operations
导入Excel文件
使用read_excel()方法导入文件，首先要指定文件的路径。
pd.read_excel('stu_data.xlsx')
【示例】导入.xlsx文件时，指定导入哪个Sheet
pd.read_excel('stu_data.xlsx',sheet_name='Target')
pd.read_excel('stu_data.xlsx',sheet_name=0)
【示例】导入.xlsx文件时，通过index_col指定行索引
pd.read_excel('stu_data.xlsx',sheet_name=0,index_col=0)
【示例】导入.xlsx文件时，通过header指定列索引
pd.read_excel('stu_data.xlsx',sheet_name=0,header=1)
pd.read_excel('stu_data.xlsx',sheet_name=0,header=None)
有时候本地文件的列数太多，而我们又不需要那么多列时，我们就可以通过设置usecols参数来指定要导入的列。
【示例】导入.xlsx文件时，通过usecols指定导入列
# 导入1，2，3列
pd.read_excel('stu_data.xlsx',usecols=[1,2,3])
导入csv文件
导入csv文件时除了指明文件路径，还需要设置编码格式。Python中用得比较多的两种编码格式是UTF-8和gbk，默认编码格式是UTF-8。我们要根据导入文件本身的编码格式进行设置，通过设置参数encoding来设置导入的编码格式。
【示例】导入.csv文件，文件编码格式是gbk
pd.read_csv('stu_data.csv',encoding='gbk')
用分隔符号进行分隔。常用的分隔符除了逗号、空格，还有制表符（\t）。
【示例】导入.csv文件，指明分隔符
df = pd.read_csv("stu_data.csv",encoding='gbk',sep=' ')
pd.read_csv('stu_data.csv',encoding='gbk',sep=',')
导入txt文件
导入.txt文件用得方法时read_table()，read_table()是将利用分隔符分开的文件导入。DataFrame的通用函数。它不仅仅可以导入.txt文件，还可以导入.csv文件。
【示例】导入.txt文件
pd.read_table('test_data.txt',encoding='utf-8',sep='\t')
【示例】导入.csv文件，指明分隔符
pd.read_table('stu_data.csv',encoding='gbk',sep=',')
保存数据
保存数据至外部文件
df.to_csv(
filepath_or_buffer :要保存的文件路径
sep =：分隔符
columns :需要导出的变量列表
header = True :指定导出数据的新变量名，可直接提供 list
index = True :是否导出索引
mode = 'w' : Python 写模式,读写方式：r,r+ ,w , w+ , a , a+
encoding = 'utf-8' :默认导出的文件编码格式
)
df2.to_csv('temp.csv')
df.to_excel(
filepath_or_buffer :要读入的文件路径
sheet_name = 1 Sheetl1 :要保存的表单名称
)
df2.to_excel('temp.xlsx', index = False,sheet_name = data)
了解数据
head()与 tail()
当数据表中包含了数据行数过多时，而我们又想看一下每一列数据都是什么样的数据时，就可以把数据表中前几行或后几行数据显示出来进行查看head()方法返回前 n 行(观察索引值)，显示元素的数量默认是 5，但可以传递自定义数值tail()方法返回后 n 行观察索引值)，显示元素的数量默认是 5，但可以传递自定义数值。
#浏览前几条记录
df.head()
df.head(10)
#浏览最后几条记录
df.tail()
info()
熟悉数据的第一点就是看下数据的类型，不同的数据类型的分析思路是不一样的，比如说数值类型的数据就可以求均值，但是字符类型的数据就没法求均值了。
info()方法查看数据表中的数据类型，而且不需要一列一列的查看，info()可以输出整个表 中所有列的数据类型。
df.info()
shape
熟悉数据的第二点就是看下数据表的大小，即数据表有多少行，多少列 。
shape()方法会以元组的形式返回行、列数。注意 shape 方法获取行数和列数时不会把索引和列索引计算在内。
df.shape
describe()
熟悉数据的第三点就是掌握数值的分布情况，即均值是多少，最值是多少，方差及分位数分别是多少 。
describe()方法就是可以获取所有数值类型字段的分布值。
df.describe()
列操作
修改变量列
columns
df.columns =新的名称 list
df.columns
rename()
df.rename(
columns =新旧名称字典：｛旧名称，：新名称，｝
inplace = False :是否直接替换原数据框)
df.rename(columns =｛'newname':'name','newname2':'name2'｝,inplace = True)
筛选变量列
通过 df.var 或 df[var] 可以选择单列
df.var 单列的筛选结果为 Series
通过 df[[var]] 可以选择多列
df[[var]] 单列的筛选结果为 DataFream
df[['var1', 'var2']] 多列时，列名需要用列表形式提
供（因此可使用列表中的切片操作） 多列的筛选结果为 DF
删除变量列
df.drop(
index / columns =准备删除的行/列标签，多个时用列表
形式提供
inplace = False :是否直接更改原数据框)
df.drop(columns =['col1','col2'])
del df['column-name'] 直接删除原数据框相应的一列，建议尽量少用
del df.column_name #不允许
添加变量列
根据新数据添加
df[cloumn] = pd.Series([val,val2,val3],index=[c1,c2,c3])
根据原数据添加
df[cloumn] = df[c2]+df[c3]
作者：张小生180
