一、　　Pandas簡介

1、Python Data Analysis Library 或 pandas 是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務而創(chuàng)建的。Pandas 納入了大量庫和一些標準的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。pandas提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法。你很快就會發(fā)現(xiàn)，它是使Python成為強大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。

2、Pandas 是python的一個數(shù)據(jù)分析包，最初由AQR Capital Management于2008年4月開發(fā)，并于2009年底開源出來，目前由專注于Python數(shù)據(jù)包開發(fā)的PyData開發(fā)team繼續(xù)開發(fā)和維護，屬于PyData項目的一部分。Pandas最初被作為金融數(shù)據(jù)分析工具而開發(fā)出來，因此，pandas為時間序列分析提供了很好的支持。 Pandas的名稱來自于面板數(shù)據(jù)（panel data）和python數(shù)據(jù)分析（data analysis）。panel data是經(jīng)濟學中關于多維數(shù)據(jù)集的一個術語，在Pandas中也提供了panel的數(shù)據(jù)類型。

3、數(shù)據(jù)結構：

Series：一維數(shù)組，與Numpy中的一維array類似。二者與Python基本的數(shù)據(jù)結構List也很相近，其區(qū)別是：List中的元素可以是不同的數(shù)據(jù)類型，而Array和Series中則只允許存儲相同的數(shù)據(jù)類型，這樣可以更有效的使用內(nèi)存，提高運算效率。

Time- Series：以時間為索引的Series。

DataFrame：二維的表格型數(shù)據(jù)結構。很多功能與R中的data.frame類似。可以將DataFrame理解為Series的容器。以下的內(nèi)容主要以DataFrame為主。

Panel ：三維的數(shù)組，可以理解為DataFrame的容器。

Pandas 有兩種自己獨有的基本數(shù)據(jù)結構。讀者應該注意的是，它固然有著兩種數(shù)據(jù)結構，因為它依然是 Python 的一個庫，所以，Python 中有的數(shù)據(jù)類型在這里依然適用，也同樣還可以使用類自己定義數(shù)據(jù)類型。只不過，Pandas 里面又定義了兩種數(shù)據(jù)類型：Series 和 DataFrame，它們讓數(shù)據(jù)操作更簡單了。

二、Python Pandas的使用

修改列數(shù)據(jù)：

df['price']=df['price'].str.replace('人均','') # 刪除多余文字
df['price']=df['price'].str.split("￥").str[-1] # 分割文本串
df['price']=df['price'].str.replace('-','0') # 替換文本
df['price']=df['price'].astype(int) # 文本轉整型

把pandas轉換int型為str型的方法

切分列數(shù)據(jù)：

df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("環(huán)境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服務",'')

注意：pandas中操作如果不明確指定參數(shù)，則不會修改原數(shù)據(jù)，而是返回一個新對象。

刪除列數(shù)據(jù)：

del df['commentlist']

排序列數(shù)據(jù)：

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) 

注意：排序前先用astype轉換正確的類型，如str、int或float

重新設置索引列標簽順序：

df.columns=['類型','店鋪名稱','點評數(shù)量','星級','人均消費','店鋪地址','口味','環(huán)境','服務']

打印前幾行數(shù)據(jù)：

print(df.loc[:,['店鋪名稱','口味','人均消費']].head(6))
# 或者 # print(df.iloc[0:6,[1,6,4]]) # 前6行（整數(shù)）
# 但不能是 # print(df.loc[0:6,['店鋪名稱','口味','人均消費']]) # 從索引0到索引6的行（對象）

http://www.dbjr.com.cn/article/155602.htm

綜合示例：

圖例：

結果：

要求：

（1）對該數(shù)據(jù)中的comment、price進行數(shù)據(jù)清洗整理，‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

（2）將commentlist數(shù)據(jù)拆分為“口味”、“環(huán)境”和“服務”三列后再進行數(shù)據(jù)清洗整理，‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

（3）去除commentlist列數(shù)據(jù)‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

（4）將此數(shù)據(jù)按“口味”降序、“人均消費”升序進行排序，‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

（5）輸出排序后前6條數(shù)據(jù)中的“店鋪名稱”、“口味”和“人均消費”三列數(shù)據(jù)。

代碼：

import pandas as pd 
df=pd.read_csv('spdata.csv',encoding='gbk')  #讀入文件，編碼為gbk # 注意編碼，重要

#對數(shù)據(jù)進行清洗
df['comment']=df['comment'].str.replace('條點評','')
df['price']=df['price'].str.replace('人均','')
df['price']=df['price'].str.split("￥").str[-1]
df['price']=df['price'].str.replace('-','0')
df['price']=df['price'].astype(int)
df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("環(huán)境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服務",'')
del df['commentlist']

#按口味降序，人均消費升序進行排序
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) 
#重新設置列索引標簽
df.columns=['類型','店鋪名稱','點評數(shù)量','星級','人均消費','店鋪地址','口味','環(huán)境','服務']

print(df.loc[:,['店鋪名稱','口味','人均消費']].head(6))

方法二：

import pandas as pd
df=pd.read_csv('spdata.csv',encoding='gbk')

df['comment']=df['comment'].str.replace('條點評','')
df['price']=df['price'].str.replace('人均','').str.replace('￥','').str.replace('-','0').str.replace(' ','').astype(int)
df[['kw','hj','fw']]=df['commentlist'].str.replace('口味','').str.replace('環(huán)境','').str.replace('服務','').str.split(expand=True).astype(float) # expand將普通的列表轉為DataFrame對象
del df['commentlist']

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) # 注意inplace=True
df.columns=['類型','店鋪名稱','點評數(shù)量','星級','人均消費','店鋪地址','口味','環(huán)境','服務']

print(df[['店鋪名稱','口味','人均消費']].head(6))

注意：df.str.split是列表，加了expand=True之后才是DataFrame對象，或者用.str[x]提取某一列，注意不是df.str.split()[x]而是df.str.split().str[x]，前者是對list（二維）操作，后者是對DataFrame操作（取某一列）

到此這篇關于Python Pandas的簡單使用教程的文章就介紹到這了,更多相關Python Pandas使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論