后端开发|Python教程
Python,pandas,数据分析
后端开发-Python教程
下面就为大家分享一篇Python数据分析库pandas基本操作方法,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧
有缘快约爱 源码,vscode生成关联关系图,ubuntu安装pdo,注册tomcat服务失败,猫盟爬虫,php截取字符串 中文,合肥seo多少钱价格,怎么用wordpress做搜索网站,淘宝模板360lzw
pandas是什么?
qq易语言源码,vscode javafx,ubuntu全局变量,tomcat 6.5,c 和sqlite,十大web服务器软件,phpcms v9代码高亮显示插件,web前端框架示例,褐色爬虫,php手机站,南宁网站seo,php 批量 网站,怎么设置网页qq客服插件下载,电信标签模板,jquery页面右上角书页广告特效,java学生信息管理系统源码,易语言调用外部子程序lzw
天堂1源码下载,Ubuntu的grub位置,ajax 爬虫获取链接,for()php,易站seolzw
是它吗?
。。。。很显然pandas没有这个家伙那么可爱。。。。
我们来看看pandas的官网是怎么来定义自己的:
pandas is an open source, easy-to-use data structures and data analysis tools for the Python programming language.
很显然,pandas是python的一个非常强大的数据分析库!
让我们来学习一下它吧!
1.pandas序列
import numpy as np import pandas as pd s_data = pd.Series([1,3,5,7,np.NaN,9,11])#pandas中生产序列的函数,类似于我们平时说的数组 print s_data
2.pandas数据结构DataFrame
import numpy as np import pandas as pd #以0220为基点向后生产时间点 dates = pd.date_range( 220,periods=6) #DataFrame生成函数,行索引为时间点,列索引为ABCD data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data print print data.shape print print data.values
3.DataFrame的一些操作(1)
import numpy as npimport pandas as pd#设计一个字典d_data = {A:1,B:pd.Timestamp( 220),C:range(4),D:np.arange(4)}print d_data#使用字典生成一个DataFramedf_data = pd.DataFrame(d_data)print df_data#DataFrame中每一列的类型print df_data.dtypes#打印A列print df_data.A#打印B列print df_data.B#B列的类型print type(df_data.B)
4.DataFrame的一些操作(2)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data print #输出DataFrame头部数据,默认为前5行 print data.head() #输出输出DataFrame第一行数据 print data.head(1) #输出DataFrame尾部数据,默认为后5行 print data.tail() #输出输出DataFrame最后一行数据 print data.tail(1) #输出行索引 print data.index #输出列索引 print data.columns #输出DataFrame数据值 print data.values #输出DataFrame详细信息 print data.describe()
5.DataFrame的一些操作(3)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data print #转置 print data.T #输出维度信息 print data.shape #转置后的维度信息 print data.T.shape #将列索引排序 print data.sort_index(axis = 1) #将列索引排序,降序排列 print data.sort_index(axis = 1,ascending=False) #将行索引排序,降序排列 print data.sort_index(axis = 0,ascending=False) #按照A列的值进行升序排列 print data.sort_values(by=A)
6.DataFrame的一些操作(4)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data #输出A列 print data.A #输出A列 print data[A] #输出3,4行 print data[2:4] #输出3,4行 print data[ 222: 223] #输出3,4行 print data.loc[ 222: 223] #输出3,4行 print data.iloc[2:4] 输出B,C两列 print data.loc[:,[B,C]]
7.DataFrame的一些操作(5)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data #输出A列中大于0的行 print data[data.A > 0] #输出大于0的数据,小于等于0的用NaN补位 print data[data > 0] #拷贝data data2 = data.copy() print data2 tag = [a] * 2 + [] * 2 + [c] * 2 #在data2中增加TAG列用tag赋值 data2[TAG] = tag print data2 #打印TAG列中为a,c的行 print data2[data2.TAG.isin([a,c])]
8.DataFrame的一些操作(6)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(ABCD)) print data #将第一行第一列元素赋值为100 data.iat[0,0] = 100 print data #将A列元素用range(6)赋值 data.A = range(6) print data #将B列元素赋值为200 data.B = 200 print data #将3,4列元素赋值为1000 data.iloc[:,2:5] = 1000 print data
9.DataFrame的一些操作(7)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list(ABCD)) print df #重定义索引,并添加E列 dfl = df.reindex(index = dates[0:4],columns = list(df.columns)+[E]) print dfl #将E列中的2,3行赋值为2 dfl.loc[dates[1:3],E] = 2 print dfl #去掉存在NaN元素的行 print dfl.dropna() #将NaN元素赋值为5 print dfl.fillna(5) #判断每个元素是否为NaN print pd.isnull(dfl) #求列平均值 print dfl.mean() #对每列进行累加 print dfl.cumsum()
10.DataFrame的一些操作(8)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list(ABCD)) print df dfl = df.reindex(index = dates[0:4],columns = list(df.columns)+[E]) print dfl #针对行求平均值 print dfl.mean(axis=1) #生成序列并向右平移两位 s = pd.Series([1,3,5,np.nan,6,8],index = dates).shift(2) print s #df与s做减法运算 print df.sub(s,axis = index) #每列进行累加运算 print df.apply(np.cumsum) #每列的最大值减去最小值 print df.apply(lambda x: x.max() - x.min())
11.DataFrame的一些操作(9)
import numpy as np import pandas as pd dates = pd.date_range( 220,periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list(ABCD)) print df #定义一个函数 def _sum(x): print(type(x)) return x.sum() #apply函数可以接受一个函数作为参数 print df.apply(_sum) s = pd.Series(np.random.randint(10,20,size = 15)) print s #统计序列中每个元素出现的次数 print s.value_counts() #返回出现次数最多的元素 print s.mode()
12.DataFrame的一些操作(10)
import numpy as np import pandas as pd df = pd.DataFrame(np.random.randn(10,4) , columns = list(ABCD)) print df #合并函数 dfl = pd.concat([df.iloc[:3],df.iloc[3:7],df.iloc[7:]]) print dfl #判断两个DataFrame中元素是否相等 print df == dfl
13.DataFrame的一些操作(11)
import numpy as npimport pandas as pddf = pd.DataFrame(np.random.randn(10,4) , columns = list(ABCD))print dfleft = pd.DataFrame({key:[foo,foo],lval:[1,2]})right = pd.DataFrame({key:[foo,foo], val:[4,5]})print leftprint right#通过key来合并数据print pd.merge(left,right,on=key)s = pd.Series(np.random.randint(1,5,size = 4),index = list(ABCD))print s#通过序列添加一行print df.append(s,ignore_index = True)
14.DataFrame的一些操作(12)
import numpy as np import pandas as pd df = pd.DataFrame({A: [foo,ar,foo,ar, foo,ar,foo,ar],B: [one,one, wo, hree, wo, wo,one, hree],C: np.random.randn(8),D: np.random.randn(8)}) print df print #根据A列的索引求和 print df.groupby(A).sum() print #先根据A列的索引,在根据B列的索引求和 print df.groupby([A,B]).sum() print #先根据B列的索引,在根据A列的索引求和 print df.groupby([B,A]).sum()
15.DataFrame的一些操作(13)
import pandas as pd import numpy as np #zip函数可以打包成一个个tuple tuples = list(zip(*[[ar, ar, az, az, foo, foo, qux, qux],[one, wo, one, wo, one, wo, one, wo]])) print tuples #生成一个多层索引 index = pd.MultiIndex.from_tuples(tuples, names=[first, second]) print index print df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=[A, B]) print df print #将列索引变成行索引 print df.stack()
16.DataFrame的一些操作(14)
import pandas as pd import numpy as np tuples = list(zip(*[[ar, ar, az, az, foo, foo, qux, qux],[one, wo, one, wo, one, wo, one, wo]])) index = pd.MultiIndex.from_tuples(tuples, names=[first, second]) df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=[A, B]) print df print stacked = df.stack() print stacked #将行索引转换为列索引 print stacked.unstack() #转换两次 print stacked.unstack().unstack()
17.DataFrame的一些操作(15)
import pandas as pd import numpy as np df = pd.DataFrame({A : [one, one, wo, hree] * 3,B : [A, B, C] * 4,C : [foo, foo, foo, ar, ar, ar] * 2,D : np.random.randn(12),E : np.random.randn(12)}) print df #根据A,B索引为行,C的索引为列处理D的值 print pd.pivot_table(df, values=D, index=[A, B], columns=[C]) #感觉A列等于one为索引,根据C列组合的平均值 print df[df.A==one].groupby(C).mean()
18.时间序列(1)
import pandas as pd import numpy as np #创建一个以0220为基准的以秒为单位的向前推进600个的时间序列 rng = pd.date_range( 220, periods=600, freq=s) print rng #以时间序列为索引的序列 print pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
19.时间序列(2)
import pandas as pd import numpy as np rng = pd.date_range( 220, periods=600, freq=s) ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng) #重采样,以2分钟为单位进行加和采样 print ts.resample(2Min, how=sum) #列出1季度到1季度 rng1 = pd.period_range(Q1,Q1,freq=Q) print rng1 #转换成时间戳形式 print rng1.to_timestamp() #时间加减法 print pd.Timestamp( 220) - pd.Timestamp( 112) print pd.Timestamp( 220) + pd.Timedelta(days=12)
20.数据类别
import pandas as pd import numpy as np df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":[a, , , a, a, e]}) print df #添加类别数据,以raw_grade的值为类别基础 df["grade"] = df["raw_grade"].astype("category") print df #打印类别 print df["grade"].cat.categories #更改类别 df["grade"].cat.categories = ["very good", "good", "very bad"] print df #根据grade的值排序 print df.sort_values(by=grade, ascending=True) #根据grade排序显示数量 print df.groupby("grade").size()
21.数据可视化
import pandas as pd import numpy as np import matplotlib.pyplot as plt ts = pd.Series(np.random.randn(1000), index=pd.date_range( 220, periods=1000)) ts = ts.cumsum() print ts ts.plot() plt.show()
22.数据读写
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10, 4), columns=list(ABCD)) #数据保存,相对路径 df.to_csv(data.csv) #数据读取 print pd.read_csv(data.csv, index_col=0)
数据被保存到这个文件中:
打开看看:
python解决pandas处理缺失值为空字符串的问题_python
实例讲解Python如何利用pandas查询数据