代码收藏家 一篇文章理清Python-Pandas基础
目录
一、panda的概念
二、相关性质
1.数据处理与分析：读取、存储、清洗、转化（运算）。
2.数据探索与可视化：与数据可视化库（如Matplotlib和Seaborn）结合使用。
3.数据重塑和透视
三、Pandas速通
1.从表中创建DataFrame：
2.得到DataFrame的大小（行、列数）：
3.显示DataFrame的前2行：
4.数据选取：
5.创建新列：
1.insert插入：
2.直接赋值插入：（该方法还可用于更改列的数据）
3.关联插入：比如有单价和数量，需要插入一列总额
6.删去重复的行：
7.删去丢失的数据：
8.重命名列：
example：
9.改变数据类型：
10.填充缺失值：
11.重塑数据：
1.连结
数据可视化： 该图片来源于：LeetCode官方题解
2.透视
数据可视化：该图来源于：LeetCode官方题解
3.融合：
数据可视化：该图来源于：LeetCode官方题解
12.方法链：
数据可视化：该图来源于：LeetCode官方题解
四、总结
一、panda的概念
Python的Pandas库主要用于高效地处理和分析结构化数据，如进行数据读取、清洗、转换、统计分析以及可视化等操作。
二、相关性质
1.数据处理与分析：读取、存储、清洗、转化（运算）。
2.数据探索与可视化：与数据可视化库（如Matplotlib和Seaborn）结合使用。
3.数据重塑和透视
三、Pandas速通
1.从表中创建DataFrame：
1.导入pandas：
import pandas2.将列表转为数据结构：
student_data=[
['李', 15],
['赵', 11],
['孙', 11],
['钱', 20]]根据列表内容给定标题（columns）
columns_student=['姓','年龄']
使用pandas下的DataFrame库来建立数据表（frame）
frame=pd.DataFrame(student_data,columns=columns_student)之后便得到一个学生成绩表
import pandas as pd
student_data=[
['李', 15],
['赵', 11],
['孙', 11],
['钱', 18]]
columns_student=['姓','年龄']
frame=pd.DataFrame(student_data,columns=columns_student)
print(frame)#
姓 年龄
0 李 15
1 赵 11
2 孙 11
3 钱 182.得到DataFrame的大小（行、列数）：
Pandas 的每个 DataFrame 都有一个 shape 属性。调用时，返回一个元组 (number of rows, number of columns)。
print(frame.shape[0],frame.shape[1])3.显示DataFrame的前2行：
pandas库的head方法：用于在 DataFrame 上返回前 n 行。如果省略 n，则默认为返回前 5 行。
print(frame.head(2))
#
姓 年龄
0 李 15
1 赵 114.数据选取：
loc属性：pandas库里基于标签来选择数据的方法之一。
loc用法为：结构.loc[结构[标题]==?,[其他需要的列]]
print(frame.loc[frame['姓']=='孙',['年龄']])
#
年龄
2 115.创建新列：
1.insert插入：
frame.insert(1,'abc',0)
#
姓 abc 年龄
0 李 0 15
1 赵 0 11
2 孙 0 11
3 钱 0 182.直接赋值插入：（该方法还可用于更改列的数据）
frame['abc']=0
#
姓 年龄 abc
0 李 15 0
1 赵 11 0
2 孙 11 0
3 钱 18 03.关联插入：比如有单价和数量，需要插入一列总额
df['C'] = df['A'] + df['B']
print(df)6.删去重复的行：
import pandas as pd
student_data=[
['李', 15],
['赵', 11],
['孙', 11],
['钱', 18],
['李', 19]]
columns_student=['姓','年龄']
frame=pd.DataFrame(student_data,columns=columns_student)
frame.drop_duplicates(subset='姓', keep='first', inplace=True)
print(frame)
#
subset='姓'：这意味着我们只考虑基于 email 列的重复项。
keep='first'：这表明我们希望保留任何重复姓名的第一个匹配项，并删除后续的匹配项。（end=类似用法）
inplace=True：这意味着更改将直接对传入的 DataFrame(frame)进行，而不会返回新的 DataFrame。
7.删去丢失的数据：
pandas库中的dropna方法：
dropna一般结构：
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
#
dropna 函数参数定义：
axis： 它可以是 {0 or 'index'#行, 1 or 'columns'#列}。默认为 0。
how： 确定当我们至少有一个 NAN 或全部 NAN 时，是否从 DataFrame 中删除行或列。
how='any'： 如果存在任何 NAN 值，则删除该行或列(默认)。
how='all'： 如果所有值都为 NAN，则删除该行或列。
thresh： 需要多少非 NAN 值。这是一个整型参数，需要最小数量的非 NAN 值才能保留行/列。
subset： 要考虑的另一个轴上的标签，例如，如果您正在删除行，则这些标签将是要包括的列的列表。当您只想考虑某些列中的 NAN 值时，这特别有用。8.重命名列：
rename结构用法
DataFrame.rename(columns=None, axis=None, inplace=False, level=None, errors='raise')#
level： 对于具有多级索引的 DataFrame，应当重命名标签的级别。
axis： 可以是 "index" 或 "columns"。确定是重命名索引还是重命名列。默认情况下，如果您提供 columns 参数，您将重命名列。
errors： 如果是 'raise'，如果尝试重命名不存在的项，则会引发错误。如果设置为 'ignore'，任何重命名项目的失败都将被忽略。example：
import pandas as pd
student_data=[
['李', 15],
['赵', 11],
['孙', 11],
['钱', 18],
['李', 19]]
columns_student=['姓','年龄']
frame=pd.DataFrame(student_data,columns=columns_student)
frame.rename(columns={'姓':'叫什么'},inplace=True)
print(frame)
#
叫什么 年龄
0 李 15
1 赵 11
2 孙 11
3 钱 18
4 李 199.改变数据类型：
astype 函数: astype 函数用于将 pandas 对象强制转换为指定的数据类型(数据类型)。astype 可用于将熊猫对象强制转换为任何 dtype。astype 函数不会就地修改原始的 DataFrame，而是赋值给新的变量。
astype的一般结构：
DataFrame.astype({'列名':新类型}, copy=True, errors='raise') 如果 copy 设置为 False，则只有在旧对象无法强制转换为所需类型的情况下才会创建新对象。
10.填充缺失值：
fillna 函数: fillna 是 Pandas 库中的一个函数，主要用于 Pandas Series 和 DataFrame 对象。它允许您使用指定的方法填充 NA/NaN 值。
example:
frame['年龄'].fillna(18,inplace=True)也就是把年龄数据缺失的部分都填充为18。
11.重塑数据：
1.连结
数据可视化： 该图片来源于：LeetCode官方题解
pd.concat([df1,df2],axis=0)#0与行相对应，可以和垂直相联想。
pd.concat([df1,df2],axis=1)水平连结2.透视
数据可视化：该图来源于：LeetCode官方题解
3.融合：
数据可视化：该图来源于：LeetCode官方题解
12.方法链：
数据可视化：该图来源于：LeetCode官方题解
四、总结
通过引入pandas库，可以用python对数据进行一定规律的运用。
2024.12.14
作者：xndx-Henry
