Python使用Pandas庫常見操作詳解
本文實例講述了Python使用Pandas庫常見操作。分享給大家供大家參考，具體如下：
1、概述
Pandas 是Python的核心數(shù)據(jù)分析支持庫，提供了快速、靈活、明確的數(shù)據(jù)結(jié)構(gòu)，旨在簡單、直觀地處理關(guān)系型、標記型數(shù)據(jù)。Pandas常用于處理帶行列標簽的矩陣數(shù)據(jù)、與 SQL 或 Excel 表類似的表格數(shù)據(jù)，應用于金融、統(tǒng)計、社會科學、工程等領(lǐng)域里的數(shù)據(jù)整理與清洗、數(shù)據(jù)分析與建模、數(shù)據(jù)可視化與制表等工作。
數(shù)據(jù)類型：Pandas 不改變原始的輸入數(shù)據(jù)，而是復制數(shù)據(jù)生成新的對象，有普通對象構(gòu)成的一維數(shù)組成為Series，由Series構(gòu)成的二維數(shù)組表稱為DataFrame，其行被稱為index，列為Colum。
安裝：如果使用anaconda集成環(huán)境則會自動安裝numpy、scipy、pandas等數(shù)據(jù)科學包，也可以通過python包管理工具安裝pandas：
pip install pandas
2、數(shù)據(jù)對象的創(chuàng)建
通過Series()函數(shù)包裹一維數(shù)組可以創(chuàng)建Series對象，其中數(shù)組的元素可以是各種類型。
通過DataFrame()函數(shù)包裹二維數(shù)組可以創(chuàng)建一個DataFrame對象，可以通過參數(shù)index、columns指定行標簽和列標簽。也可以通過python的字典類型初始化DataFrame，其鍵名默認為列標簽
import pandas as pd
import numpy as np
# 通過一維數(shù)組初始化Series
s = pd.Series([1, 2.0, np.nan, 'test'])
print(s)
# 通過二維數(shù)組初始化DataFrame
arr = np.random.randn(6, 4)
arr_df = pd.DataFrame(arr, index=np.arange(1, 7), columns=list('ABCD'))
print(arr_df)
# 通過字典dict初始化DataFrame
dic = {'A': 1.,
'B': pd.Timestamp('20130102'),
'C': pd.Series(1, index=list(range(4)), dtype='float32'),
'D': np.array([3] * 4, dtype='int32'),
'E': pd.Categorical(["test", "train", "test", "train"])
}
dic_df = pd.DataFrame(dic)
print(dic_df)
其運行結(jié)果如下：
# Series數(shù)據(jù)
0 1
1 2
2 NaN
3 test
dtype: object
# 二維數(shù)組的DataFrame
A B C D
1 -0.085417 -0.816502 1.495134 -0.277742
2 1.657144 -0.203346 0.631930 -1.182239
3 -2.303923 -0.535696 1.315379 0.129682
4 0.133198 -0.239664 -2.004494 0.119965
5 -1.454717 2.114255 -0.538678 -0.580361
6 -0.759183 0.141554 -0.243270 2.840325
# dict字典DataFrame
A B C D E
0 1.0 2013-01-02 1.0 3 test
1 1.0 2013-01-02 1.0 3 train
2 1.0 2013-01-02 1.0 3 test
3 1.0 2013-01-02 1.0 3 train
3、查看數(shù)據(jù)
函數(shù)head(n)可以查看DataFrame前n行的數(shù)據(jù)，tail(n)查看倒數(shù)n行的數(shù)據(jù)
index()查看DataFrame的行標簽，columns顯示列標簽
describe()按列顯示數(shù)據(jù)的統(tǒng)計信息，包括計數(shù)、均值、方差、最小最大值等。
函數(shù)mean()顯示所有列的均值，mean(1)顯示所有行的均值
sum()求所有列的均值，sum(1)求所有行的均值
DataFrame有一個empty屬性用于判斷是否為空，若為空則返回True
arr = np.random.randn(6, 4)
df = pd.DataFrame(arr, index=np.arange(1, 7), columns=list('ABCD'))
print(df.head(3))
print(df.index)
print(df.describe())
結(jié)果如下
# 查看前三行數(shù)據(jù)
A B C D
1 3.260449 -0.619396 0.070877 1.586914
2 -0.529708 0.071917 -1.919316 1.845727
3 -1.005765 2.176579 -0.323483 -1.295067
# 查看行標簽
Int64Index([1, 2, 3, 4, 5, 6], dtype='int64')
# 查看統(tǒng)計信息
A B C D
count 6.000000 6.000000 6.000000 6.000000
mean -0.184606 -0.487184 0.079433 0.855810
std 1.721394 1.800460 1.379498 1.128764
min -1.443635 -3.091446 -1.919316 -1.295067
25% -0.967105 -1.430192 -0.281188 0.778729
50% -0.694488 -0.273739 -0.041713 1.150944
75% -0.531744 0.197755 0.355731 1.508475
max 3.260449 2.176579 2.352142 1.845727
4、數(shù)據(jù)的選擇
可以直接通過DataFrame對象選取列或者行，
# 選取一個列A，等價于df['A']
print(df.A)
# 選取第1到第3行，行下標從0開始
print(df[1:3])
'''
# 標簽為A的那一列
1 0.644427
2 0.643149
3 1.374668
4 -0.154465
5 -0.338085
6 -1.989284
Name: A, dtype: float64
# 第1~3行
A B C D
2 0.643149 1.769001 -0.166028 -0.036854
3 1.374668 -0.118593 -0.202222 0.308353
'''
通過loc[]方法可以通過標簽對DataFrame的一行、一列、幾行幾列或者是某個具體的值進行選擇
# 取出行標簽為2的那一行
print(df.loc[2])
# 取出行標簽為1~3，列標簽為'A','B'的內(nèi)容
print(df.loc[1:3, ['A', 'B']])
# 獲取行標簽為1，列標簽為'A'的具體值，等價于df.at[1,'A']
print(df.loc[1, 'A'])
'''
# 標簽為2的一行
A 0.681469
B -0.053046
C -1.384877
D -0.447700
Name: 2, dtype: float64
# 標簽為1~3，列標簽為'A','B'的內(nèi)容
A B
1 0.710907 -0.950896
2 0.681469 -0.053046
3 0.781981 0.123072
# 行標簽為1，列標簽為'A'的具體值
0.7109074858947351
'''
除了通過行列標簽來進行取值以外，還可以通過行列的數(shù)組的位置進行取值，其方法名為iloc[]
# 取出第一行，行下標從0開始 print(df.iloc[0]) # 顯示第1，2，4行的第0，2列 print(df.iloc[[1, 2, 4], [0, 2]]) # 顯示第1行第1列的具體值，等價于df.iat[1,1] print(df.iloc[1, 1])
還可以在選擇時對數(shù)據(jù)進行過濾
# 輸出A那一列大于0的所有行
print(df[df.A > 0])
df['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
# 輸出E那一列存在two、four的所有行
print(df[df['E'].isin(['two', 'four'])])
'''
A B C D
3 0.168998 -0.732362 -0.098542 0.413128
5 0.513677 -0.163231 -0.098037 -0.606693
A B C D E
3 0.168998 -0.732362 -0.098542 0.413128 two
5 0.513677 -0.163231 -0.098037 -0.606693 four
'''
5、操作數(shù)據(jù)
通過insert()方法可以實現(xiàn)在指定位置插入一列，也可以直接將一個數(shù)組賦值給DataFrame，這將默認添加到最后一列
可以通過之前的選擇方法loc、iloc找到指定的行列，然后直接賦值，如果該位置存在數(shù)據(jù)則會修改，否則添加
通過drop()方法刪除指定的數(shù)據(jù)，index屬性指定刪除的行，columns指定刪除的列，inplace屬性是否在原數(shù)據(jù)集上操作，默認為False，此時需要一個變量來接收刪除后的結(jié)果
df = pd.DataFrame(data = [['lisa','f',22],['joy','f',22],['tom','m','21']],
index = [1,2,3],columns = ['name','sex','age'])
citys = ['ny','zz','xy']
#在第0列，加上column名稱為city，值為citys的數(shù)值。
df.insert(0,'city',citys)
jobs = ['student','AI','teacher']
# 默認在df最后一列加上column名稱為job，值為jobs的數(shù)據(jù)。
df['job'] = jobs
# 若df中沒有index為“4”的這一行的話，則添加，否則修改
df.loc[4] = ['zz', 'mason', 'm', 24, 'engineer']
print(df)
# 刪除行標簽為1的行
dp=df.drop(index=1)
print(dp)
# 在原數(shù)據(jù)集上刪除列標簽為sex的列
df.drop(columns=['sex'],inplace=True)
print(df)
結(jié)果如下：
# 添加后的數(shù)據(jù) city name sex age job 1 ny lisa f 22 student 2 zz joy f 22 AI 3 xy tom m 21 teacher 4 zz mason m 24 engineer # 刪除第一行 city name sex age job 2 zz joy f 22 AI 3 xy tom m 21 teacher 4 zz mason m 24 engineer # 刪除sex列 city name age job 1 ny lisa 22 student 2 zz joy 22 AI 3 xy tom 21 teacher 4 zz mason 24 engineer
對DataFrame進行轉(zhuǎn)置操作，調(diào)用.T
sort_index(axis=1, ascending=False)對數(shù)據(jù)進行排序，axis=0代表按行標簽排序，axis=1代表按列標簽排序
sort_values(by='A')按某一列的值對數(shù)據(jù)進行排序，這里是按列標簽為A的
apply()函數(shù)對DataFrame的每一行應用函數(shù)
print(df.T)
si=df.sort_index(axis=1, ascending=False)
print(si)
sv=df.sort_values(by='A')
print(sv)
# 應用匿名函數(shù)，用每一列最大值減去最小值
df.apply(lambda x: x.max() - x.min())
print(df)
'''
# 數(shù)據(jù)轉(zhuǎn)置
1 2 3 4 5 6
A -1.176180 -1.301768 0.907088 -1.528101 1.098978 -1.280193
B -0.461954 -0.749642 1.169118 -0.297765 0.531088 -0.999842
C -1.715094 -0.512856 0.511861 -0.247240 1.696772 -0.902995
D 1.336999 0.209091 2.254337 0.649625 -0.049886 -1.514815
# 按列標簽倒序
D C B A
1 1.336999 -1.715094 -0.461954 -1.176180
2 0.209091 -0.512856 -0.749642 -1.301768
3 2.254337 0.511861 1.169118 0.907088
4 0.649625 -0.247240 -0.297765 -1.528101
5 -0.049886 1.696772 0.531088 1.098978
6 -1.514815 -0.902995 -0.999842 -1.280193
# 按列A的值遞增對行排序
A B C D
4 -1.528101 -0.297765 -0.247240 0.649625
2 -1.301768 -0.749642 -0.512856 0.209091
6 -1.280193 -0.999842 -0.902995 -1.514815
1 -1.176180 -0.461954 -1.715094 1.336999
3 0.907088 1.169118 0.511861 2.254337
5 1.098978 0.531088 1.696772 -0.049886
# 函數(shù)的應用
A 2.073961
B 2.671590
C 1.785291
D 0.000000
F 4.000000
dtype: float64
'''
panda的concat函數(shù)可以將兩個相同類型的DataFrame在行的維度上進行拼接
merge()函數(shù)可以將不同DataFrame按列拼接
append()函數(shù)可以在DataFrame的結(jié)尾追加
# 將第一行和最后一行拼接
print(pd.concat([df[:1], df[-2:-1]]))
# 將第4行追加到結(jié)尾
print(df.append(df.iloc[3]))
# 將兩個DataFrame按列拼接
df1 = pd.DataFrame({'row1': ['foo', 'bar'], 'row2': [1, 2]})
df2 = pd.DataFrame({'row1': ['foo', 'bar'], 'row3': [4, 5]})
print(pd.merge(df1, df2))
'''
# 按行拼接
A B C D
1 -0.527221 -0.754650 -2.385270 -2.569586
5 0.054059 1.443911 -0.240856 -1.501045
# 追加
A B C D
1 -0.527221 -0.754650 -2.385270 -2.569586
2 2.123332 -0.013431 -0.574359 -0.548838
3 -0.244057 -0.267805 1.089026 -0.022174
4 -0.789228 1.171906 0.526318 0.046655
5 0.054059 1.443911 -0.240856 -1.501045
6 0.756844 0.623305 -0.597299 0.034326
4 -0.789228 1.171906 0.526318 0.046655
# 按列拼接
row1 row2 row3
0 foo 1 4
1 bar 2 5
'''
groupby函數(shù)可以數(shù)據(jù)按列進行分組，分組后的結(jié)果可以使用for循環(huán)進行迭代，迭代中每個分組是一個(index,DataFrame)元組，可以對其中的DataFrame作進一步操作。
stack()可以將多列的數(shù)據(jù)壓縮為兩列顯示
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar'],
'B': ['one', 'two', 'one', 'three'],
'C': np.random.randn(4),
'D': np.random.randn(4)})
# 按A、B兩列進行分組
dg=df.groupby(['A', 'B'])
for (index,df) in dg:
print(df)
# 壓縮
print(df.stack())
'''
# 按列分組
A B C D
3 bar three 0.802027 1.338614
A B C D
1 bar two -0.567295 0.608978
A B C D
0 foo one -0.17592 -0.191991
2 foo one -0.72258 0.711312
# 壓縮為兩列
0 A foo
B one
C 0.622471
D 0.10633
1 A bar
B two
C 0.065516
D -0.844223
2 A foo
B one
C 0.0013226
D -1.3328
3 A bar
B three
C -0.678077
D 0.785117
dtype: object
'''
Pandas主要使用值np.nan來表示缺失的數(shù)據(jù)?？梢允褂胐ropna(how='any')方法來刪除所有存在空值的行，dropna(axis=1)刪除存在空值的列。fillna(value=x)用指定值x填充所有的空值。
6、其他
通過pandas可以便捷地從其他格式文件進行轉(zhuǎn)換
# 將DataFrame寫入csv文件
df.to_csv('foo.csv')
# 從csv文件讀數(shù)據(jù)
df = pd.read_csv('foo.csv')
# excel文件的讀寫
df = pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])
df.to_excel('foo.xlsx', sheet_name='Sheet1')
pandas提供了便捷的時間維度生成函數(shù)date_range()，第一個參數(shù)是起始時間，periods=生成的數(shù)量，freq=時間間隔，默認以天為單位
# 從2019年1月1日開始，以秒為單位，生成五個時間
rng = pd.date_range('1/1/2019', periods=5, freq='S')
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
print(ts)
'''
2019-01-01 00:00:01 161
2019-01-01 00:00:02 214
2019-01-01 00:00:03 110
2019-01-01 00:00:04 265
Freq: S, dtype: int32
'''
pandas結(jié)合matplot可以便捷地進行數(shù)據(jù)繪圖
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng) # 將數(shù)據(jù)追加到一個數(shù)組統(tǒng)一顯示 ts=ts.cumsum() # 調(diào)用matplot繪制圖 ts.plot()
更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)學運算技巧總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對大家Python程序設(shè)計有所幫助。
相關(guān)文章
這篇文章主要介紹了使用keras根據(jù)層名稱來初始化網(wǎng)絡，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
Python項目實戰(zhàn)之使用Django框架實現(xiàn)支付寶付款功能
這篇文章主要介紹了Python項目實戰(zhàn)之使用Django框架實現(xiàn)支付寶付款功能,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-02-02
這篇文章主要介紹了Python單元和文檔測試,結(jié)合實例形式分析了Python單元測試模塊unittest及文檔測試模塊doctest相關(guān)使用技巧,需要的朋友可以參考下2019-04-04
這篇文章主要介紹了使用python 獲取進程pid號的方法,需要的朋友可以參考下2014-03-03
這篇文章主要介紹了Python3 JSON編碼解碼方法詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-09-09
今天小編就為大家分享一篇快速解決PyCharm無法引用matplotlib的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
這篇文章主要介紹了編寫自定義的Django模板加載器的簡單示例,Django是各色人氣Python框架中最為著名的一個,需要的朋友可以參考下2015-07-07
Python創(chuàng)建Excel表和讀取Excel表的基本操作
這篇文章主要介紹了Python創(chuàng)建Excel表和讀取Excel表的基本操作,文中通過代碼示例和圖文結(jié)合的方式講解的非常詳細,對大家的學習或工作有一定的幫助,需要的朋友可以參考下2024-07-07
VSCode Python開發(fā)環(huán)境配置的詳細步驟
這篇文章主要介紹了VSCode Python開發(fā)環(huán)境配置的詳細步驟，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-02-02
下面小編就為大家分享一篇pandas將DataFrame的列變成行索引的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04