python --Pandas详解
本文详细介绍了Pandas库的安装、基础操作,包括Series和DataFrame数据结构的创建、索引操作、数据读写以及基本的增删改查。通过实例展示了如何利用Pandas处理和分析数据,如导入CSV和Excel文件,并提供了数据可视化资源链接。
pip install pandas
import pandas
print(pandas.__version__)
输出: 1.3.4
import pandas as pd
a = {
'列名1': ['01', '02', '03'],
'列名2': ['08', '09', '10']
}
b = pd.DataFrame(a)
print(b)
输出:
列名1 列名2
0 01 08
1 02 09
2 03 10
Pandas Series 类似表格中的一个列(column),类似于一维数组,可以保存任何数据类型。
Series 由索引(index)和列组成,函数如下:
pandas.Series( data, index, dtype, name, copy)
参数说明:
创建一个简单的 Series 实例:
import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
输出:
0 1
1 2
2 3
dtype: int64
索引
如果没有指定索引,索引值就从 0 开始,我们可以根据索引值读取数据!
import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar[2])
# print(myvar.get(10)) 可以通过get方式拿 拿不到返回None,也可指定默认值
输出:
3
可以指定索引值,如下:
import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index=["x", "y", "z"])
print(myvar)
print('-------------------华丽的分割线------------------')
print(myvar['x'])
输出:
x Google
y Runoob
z Wiki
dtype: object
-------------------华丽的分割线------------------
Google
也可以使用 key/value 对象,类似字典来创建 Series:
import pandas as pd
sites = {1: "Google", 5: "Runoob", 6: "Wiki"}
myvar = pd.Series(sites) # key变为了索引;
#也可以指定索引,例如 pd.Series(sites, index=[1,5])
print(myvar)
输出:
1 Google
5 Runoob
6 Wiki
dtype: object
DataFrame 是一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。
DataFrame 构造方法如下:
pandas.DataFrame( data, index, columns, dtype, copy)
参数说明:
Pandas DataFrame 是一个二维的数组结构,类似二维数组。
实例 - 使用列表创建
import pandas as pd
data = [['Google', 10], ['Runoob', 12], ['Wiki', 13]]
df = pd.DataFrame(data, columns=['Site', 'Age'], dtype=float)
print(df)
输出:
Site Age
0 Google 10.0
1 Runoob 12.0
2 Wiki 13.0
实例 - 使用 ndarrays 创建
使用 ndarrays 创建,ndarray 的长度必须相同, 如果传递了 index,则索引的长度应等于数组的长度。如果没有传递索引,则默认情况下,索引将是range(n),其中n是数组长度。
import pandas as pd
data = {'Site': ['Google', 'Runoob', 'Wiki'], 'Age': [10, 12, 13]}
df = pd.DataFrame(data)
print(df)
输出:
Site Age
0 Google 10
1 Runoob 12
2 Wiki 13
使用字典(key/value),其中字典的 key 为列名:
import pandas as pd
data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)
输出:
a b c
0 1 2 NaN
1 5 10 20.0
没有对应的部分数据为 NaN
Pandas 可以使用 loc 属性返回指定行的数据,如果没有设置索引,第一行索引为 0,第二行索引为 1,以此类推:
import pandas as pd
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)
print(df)
print('-' * 20)
# 返回第一行
print(df.loc[0])
print('-' * 20)
# 返回第二行
print(df.loc[1])
输出:
calories duration
0 420 50
1 380 40
2 390 45
--------------------
calories 420
duration 50
Name: 0, dtype: int64
--------------------
calories 380
duration 40
Name: 1, dtype: int64
注:返回结果其实就是一个 Pandas Series 数据。
也可以返回多行数据,使用 [[ … ]] 格式,… 为各行的索引,以逗号隔开
import pandas as pd
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)
print(df)
print('-' * 20)
# 返回第二行和第三行
print(df.loc[[1, 2]])
输出:
calories duration
0 420 50
1 380 40
2 390 45
--------------------
calories duration
1 380 40
2 390 45
注:返回结果其实就是一个 Pandas DataFrame 数据。
可以指定索引值,如下实例
import pandas as pd
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data, index=["day1", "day2", "day3"])
print(df)
print(df.loc["day2"]) # 按行取值
输出:
calories duration
day1 420 50
day2 380 40
day3 390 45
DataFrame 增删改查
import pandas as pd
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data, index=('10', '11', '12'))
# print(df['calories']) # 按列提取
print(df.iloc[0]) # 按行索引提取
# print(df.loc['10']) # 按行自定义索引提取
# del df['duration'] # del 方法删除
df.pop('duration') # pop方法删除
print(df)
df['add'] = [88, 89, 90] #新增
print(df)
# df.insert(0, 'insert', '98') # 插入列索引,列名,值
df.insert(0, 'insert', [98, 99, 100])
读csv并输出
import pandas as pd
df = pd.read_csv(r'C:\Users\ht-desktop-001\Desktop\nba.csv')
print(type(df))
print(df.to_string())
注: to_string() 用于返回 DataFrame 类型的数据,如果不使用该函数,则
输出结果为数据的前面 5 行和末尾 5 行,中间部分以 ... 代替。
输出:
<class 'pandas.core.frame.DataFrame'>
Name Team Number Position Age Height Weight College Salary
0 Avery Bradley Boston Celtics 0.0 PG 25.0 6-2 180.0 Texas 7730337.0
1 Jae Crowder Boston Celtics 99.0 SF 25.0 6-6 235.0 Marquette 6796117.0
2 John Holland Boston Celtics 30.0 SG 27.0 6-5 205.0 Boston University NaN
...太长未复制
写入csv
import pandas as pd
# 三个字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.cdsy.xyz", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
# 字典
dict = {'name': nme, 'site': st, 'age': ag}
df = pd.DataFrame(dict)
# 保存 dataframe
df.to_csv('site.csv')
head()
head( n ) 方法用于读取前面的 n 行,如果不填参数 n ,默认返回 5 行。
import pandas as pd
df = pd.read_csv('nba.csv')
print(df.head()) # 默认5行
# print(df.head(1)) 读1行
输出:
Name Team Number ... Weight College Salary
0 Avery Bradley Boston Celtics 0.0 ... 180.0 Texas 7730337.0
1 Jae Crowder Boston Celtics 99.0 ... 235.0 Marquette 6796117.0
2 John Holland Boston Celtics 30.0 ... 205.0 Boston University NaN
3 R.J. Hunter Boston Celtics 28.0 ... 185.0 Georgia State 1148640.0
4 Jonas Jerebko Boston Celtics 8.0 ... 231.0 NaN 5000000.0
[5 rows x 9 columns]
tail()
tail( n ) 方法用于读取尾部的 n 行,如果不填参数 n ,默认返回 5 行,空行各个字段的值返回 NaN。
import pandas as pd
df = pd.read_csv('nba.csv')
print(df.tail())
info()返回表格的一些基本信息
import pandas as pd
df = pd.read_csv(r'C:\Users\ht-desktop-001\Desktop\nba.csv')
print(df.info())
输出:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 458 entries, 0 to 457 # 行数,458 行,第一行编号为 0
Data columns (total 9 columns): # 列数,9列
# Column Non-Null Count Dtype # 各列的数据类型
--- ------ -------------- -----
0 Name 457 non-null object
1 Team 457 non-null object
2 Number 457 non-null float64
3 Position 457 non-null object
4 Age 457 non-null float64
5 Height 457 non-null object
6 Weight 457 non-null float64
7 College 373 non-null object # non-null,意思为非空的数据
8 Salary 446 non-null float64
dtypes: float64(4), object(5) # 类型
# non-null 为非空数据,我们可以看到上面的信息中,总共 458 行,College 字段的空值最多。
在利用pandas模块进行操作前,可以先引入这个模块,如下:
import pandas as pd
读取Excel文件的两种方式:
#方法一:默认读取第一个表单
df=pd.read_excel('lemon.xlsx')#这个会直接默认读取到这个Excel的第一个表单
data=df.head()#默认读取前5行的数据
print("获取到所有的值:\n{0}".format(data))#格式化输出
#方法二:通过指定表单名的方式来读取
df=pd.read_excel('lemon.xlsx',sheet_name='student')#可以通过sheet_name来指定读取的表单
data=df.head()#默认读取前5行的数据
print("获取到所有的值:\n{0}".format(data))#格式化输出
#方法三:通过表单索引来指定要访问的表单,0表示第一个表单
#也可以采用表单名和索引的双重方式来定位表单
#也可以同时定位多个表单,方式都罗列如下所示
df=pd.read_excel('lemon.xlsx',sheet_name=['python','student'])#可以通过表单名同时指定多个
# df=pd.read_excel('lemon.xlsx',sheet_name=0)#可以通过表单索引来指定读取的表单
# df=pd.read_excel('lemon.xlsx',sheet_name=['python',1])#可以混合的方式来指定
# df=pd.read_excel('lemon.xlsx',sheet_name=[1,2])#可以通过索引 同时指定多个
data=df.values#获取所有的数据,注意这里不能用head()方法哦~
print("获取到所有的值:\n{0}".format(data))#格式化输出
1、io,Excel的存储路径
2、sheet_name,要读取的工作表名称
3、header, 用哪一行作列名
4、names, 自定义最终的列名
5、index_col, 用作索引的列
6、usecols,需要读取哪些列
7、squeeze,当数据仅包含一列
8、converters ,强制规定列数据类型
9、skiprows,跳过特定行
10、nrows ,需要读取的行数
11、skipfooter , 跳过末尾n行
中文数据可视化文档
https://gallery.pyecharts.org/#/Bar/bar_rotate_xaxis_label