数据分析-pandas(一)

简介: pandas是Python的一个第三方开源库,是Python数据分析的必备高级工具,Pandas 这个名字来源于面板数据(Panel Data)与数据分析(data analysis)这两个名词的组合。在经济学中,Panel Data 是一个关于多维数据集的术语。Pandas 最初被应用于金融量化交易领域,现在它的应用领域更加广泛,涵盖了农业、工业、交通等许多行业。

 一,pandas简介:

       pandas是Python的一个第三方开源库,是Python数据分析的必备高级工具,Pandas 这个名字来源于面板数据(Panel Data)与数据分析(data analysis)这两个名词的组合。在经济学中,Panel Data 是一个关于多维数据集的术语。Pandas 最初被应用于金融量化交易领域,现在它的应用领域更加广泛,涵盖了农业、工业、交通等许多行业。

二,pandas数据结构Series简介:

Series是一个一维标记数组,能够保存任何数据类型(整数,字符串,浮点数,Python对象等)。创建它的基本方法是调用Series

首先我们先导入pandas

import numpy as np
import pandas as pd
s = pd.Series(data, index=index)

image.gif

这里data可以有很多不同的东西:

       python字典

       一个ndarray

       标量值(如 5)

传递的索引是轴标签的列表,因此根据数据是什么,分为几种情况:

2.1 data为ndarray

如果 data 是 ndarray,则索引必须与数据长度相同。如果没有传递索引,则会创建一个具有 value 的索引。[0,..,len(data)-1]

这里我们先给出index

s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])

image.gif

a    0.469112
b   -0.282863
c   -1.509059
d   -1.135632
e    1.212112
dtype: float64

image.gif

s.index

image.gif

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

image.gif

下面我们不给index

pd.Series(np.random.randn(5))

image.gif

0   -0.173215
1    0.119209
2   -1.044236
3   -0.861849
4   -2.104569
dtype: float64

image.gif

可以看到Python自动生成了一个索引

2.2 data为字典

Series可以从字典实例化:

d = {"b": 1, "a": 0, "c": 2}

image.gif

b    1
a    0
c    2
dtype: int64

image.gif

如果传递了索引,则将拉出索引中标签对应的数据中的值

d = {"a": 0.0, "b": 1.0, "c": 2.0}
pd.Series(d)
pd.Series(d, index=["b", "c", "d", "a"])

image.gif

a    0.0
b    1.0
c    2.0
dtype: float64
b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64

image.gif

注意:NaN不是数字是pandas中使用的标准缺失数据标记

三,Serise切片操作:

Series与ndarray非常相似,并且是大多数Numpy函数的有效参数,Series也能对索引进行切片操作。

s[0]

image.gif

0.4691122999071863

image.gif

s[:3]

image.gif

a    0.469112
b   -0.282863
c   -1.509059
dtype: float64

image.gif

s[s > s.median()]

image.gif

a    0.469112
e    1.212112
dtype: float64

image.gif

s[[4, 3, 1]]

image.gif

e    1.212112
d   -1.135632
b   -0.282863
dtype: float64

image.gif

四,Series性质:

4.1 Series类似于numpy,字典

与numpy数组一样,pandas的Series也有一个dtype

s.dtype

image.gif

dtype('float64')

image.gif

这通常是NumPy dtype。然而,pandas和第3方库在几个地方扩展了NumPy的类型系统,在这种情况下,dtype将是ExtensionDtype.pandas中的一些示例是分类数据和可为空整数数据类型。

Series也类似于固定大小的字典,可以通过索引标签获取和设置值:

s["a"]
s["e"] = 12.0
"e" in s
"f" in s

image.gif

0.4691122999071863
a     0.469112
b    -0.282863
c    -1.509059
d    -1.135632
e    12.000000
dtype: float64
True
False

image.gif

如果索引中不包含标签则会引发异常。

使用Series.get()方法,丢失的标签将返回None或指定的默认值:

s.get("f", np.nan)

image.gif

nan

image.gif

4.2 矢量化操作和标签对齐系列:

使用原始Numpy数组时间,通常不需要逐值循环,在panda中使用Series时间也是如此,Series可以传递到大多数需要ndarray的Numpy方法中

s + s
s * 2
np.exp(s)

image.gif

a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
a         1.598575
b         0.753623
c         0.221118
d         0.321219
e    162754.791419
dtype: float64

image.gif

Series和ndarray之间的一个关键区别是,Series会根据标签自动对齐数据,因此,在编写计算时无需烤炉Series的标签是否相同。

s[1:] + s[:-1]

image.gif

a         NaN
b   -0.565727
c   -3.018117
d   -2.271265
e         NaN
dtype: float64

image.gif

未对齐之间的运算结果Series将包含所涉及索引的并集。Series如果在其中一个或另一个中找不到标签,结果将被标记为丢失NaN。能够在不进行任何显式数据对齐的情况下编写代码,为交互式数据分析和研究提供了巨大的自由度和灵活性。pandas数据结构的集成数据对齐功能使pandas与大多数处理标记数据的相关工具区分开来。

注意:一般来说,我们选择使不同索引对象之间的操作的默认结果产生索引的并集,以避免信息丢失。尽管缺少数据,但拥有索引标签通常是计算过程中的重要信息。您当然可以选择通过dropna函数删除丢失数据的标签。

4.3 name属性:

Series还有一个name属性:

s = pd.Series(np.random.randn(5), name="something")
s.name

image.gif

0   -0.494929
1    1.071804
2    0.721555
3   -0.706771
4   -1.039575
Name: something, dtype: float64
'something'

image.gif

另外还能又pandas.Series.rename()来重命名

s2 = s.rename("different")
s2.name

image.gif

'different'

image.gif

4.4,基本属性

属性 用途
s.shape 查看数据行列
s.ndim 查看维度,Series 是一维,ndim 恒等于1
s.size 查看数据总数
s.index 查看索引
s.values 查看数据值
s.name 查看 Series 对象的 name,若未设定则为空

(1)

s = pd.Series(np.random.randint(1,10,size=(10,)))

s.head() # 默认是前五行数据,可自定义行数,比如想要十行的话,s.head(10)

(2)isnull(),notnull()函数检测缺失数据

 一,pandas简介:

       pandas是Python的一个第三方开源库,是Python数据分析的必备高级工具,Pandas 这个名字来源于面板数据(Panel Data)与数据分析(data analysis)这两个名词的组合。在经济学中,Panel Data 是一个关于多维数据集的术语。Pandas 最初被应用于金融量化交易领域,现在它的应用领域更加广泛,涵盖了农业、工业、交通等许多行业。

二,pandas数据结构Series简介:

Series是一个一维标记数组,能够保存任何数据类型(整数,字符串,浮点数,Python对象等)。创建它的基本方法是调用Series

首先我们先导入pandas

import numpy as np
import pandas as pd
s = pd.Series(data, index=index)

image.gif

这里data可以有很多不同的东西:

       python字典

       一个ndarray

       标量值(如 5)

传递的索引是轴标签的列表,因此根据数据是什么,分为几种情况:

2.1 data为ndarray

如果 data 是 ndarray,则索引必须与数据长度相同。如果没有传递索引,则会创建一个具有 value 的索引。[0,..,len(data)-1]

这里我们先给出index

s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"])

image.gif

a    0.469112
b   -0.282863
c   -1.509059
d   -1.135632
e    1.212112
dtype: float64

image.gif

s.index

image.gif

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

image.gif

下面我们不给index

pd.Series(np.random.randn(5))

image.gif

0   -0.173215
1    0.119209
2   -1.044236
3   -0.861849
4   -2.104569
dtype: float64

image.gif

可以看到Python自动生成了一个索引

2.2 data为字典

Series可以从字典实例化:

d = {"b": 1, "a": 0, "c": 2}

image.gif

b    1
a    0
c    2
dtype: int64

image.gif

如果传递了索引,则将拉出索引中标签对应的数据中的值

d = {"a": 0.0, "b": 1.0, "c": 2.0}
pd.Series(d)
pd.Series(d, index=["b", "c", "d", "a"])

image.gif

a    0.0
b    1.0
c    2.0
dtype: float64
b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64

image.gif

注意:NaN不是数字是pandas中使用的标准缺失数据标记

三,Serise切片操作:

Series与ndarray非常相似,并且是大多数Numpy函数的有效参数,Series也能对索引进行切片操作。

s[0]

image.gif

0.4691122999071863

image.gif

s[:3]

image.gif

a    0.469112
b   -0.282863
c   -1.509059
dtype: float64

image.gif

s[s > s.median()]

image.gif

a    0.469112
e    1.212112
dtype: float64

image.gif

s[[4, 3, 1]]

image.gif

e    1.212112
d   -1.135632
b   -0.282863
dtype: float64

image.gif

四,Series性质:

4.1 Series类似于numpy,字典

与numpy数组一样,pandas的Series也有一个dtype

s.dtype

image.gif

dtype('float64')

image.gif

这通常是NumPy dtype。然而,pandas和第3方库在几个地方扩展了NumPy的类型系统,在这种情况下,dtype将是ExtensionDtype.pandas中的一些示例是分类数据和可为空整数数据类型。

Series也类似于固定大小的字典,可以通过索引标签获取和设置值:

s["a"]
s["e"] = 12.0
"e" in s
"f" in s

image.gif

0.4691122999071863
a     0.469112
b    -0.282863
c    -1.509059
d    -1.135632
e    12.000000
dtype: float64
True
False

image.gif

如果索引中不包含标签则会引发异常。

使用Series.get()方法,丢失的标签将返回None或指定的默认值:

s.get("f", np.nan)

image.gif

nan

image.gif

4.2 矢量化操作和标签对齐系列:

使用原始Numpy数组时间,通常不需要逐值循环,在panda中使用Series时间也是如此,Series可以传递到大多数需要ndarray的Numpy方法中

s + s
s * 2
np.exp(s)

image.gif

a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
a     0.938225
b    -0.565727
c    -3.018117
d    -2.271265
e    24.000000
dtype: float64
a         1.598575
b         0.753623
c         0.221118
d         0.321219
e    162754.791419
dtype: float64

image.gif

Series和ndarray之间的一个关键区别是,Series会根据标签自动对齐数据,因此,在编写计算时无需烤炉Series的标签是否相同。

s[1:] + s[:-1]

image.gif

a         NaN
b   -0.565727
c   -3.018117
d   -2.271265
e         NaN
dtype: float64

image.gif

未对齐之间的运算结果Series将包含所涉及索引的并集。Series如果在其中一个或另一个中找不到标签,结果将被标记为丢失NaN。能够在不进行任何显式数据对齐的情况下编写代码,为交互式数据分析和研究提供了巨大的自由度和灵活性。pandas数据结构的集成数据对齐功能使pandas与大多数处理标记数据的相关工具区分开来。

注意:一般来说,我们选择使不同索引对象之间的操作的默认结果产生索引的并集,以避免信息丢失。尽管缺少数据,但拥有索引标签通常是计算过程中的重要信息。您当然可以选择通过dropna函数删除丢失数据的标签。

4.3 name属性:

Series还有一个name属性:

s = pd.Series(np.random.randn(5), name="something")
s.name

image.gif

0   -0.494929
1    1.071804
2    0.721555
3   -0.706771
4   -1.039575
Name: something, dtype: float64
'something'

image.gif

另外还能又pandas.Series.rename()来重命名

s2 = s.rename("different")
s2.name

image.gif

'different'

image.gif

4.4,基本属性

属性 用途
s.shape 查看数据行列
s.ndim 查看维度,Series 是一维,ndim 恒等于1
s.size 查看数据总数
s.index 查看索引
s.values 查看数据值
s.name 查看 Series 对象的 name,若未设定则为空

(1)

s = pd.Series(np.random.randint(1,10,size=(10,)))

s.head() # 默认是前五行数据,可自定义行数,比如想要十行的话,s.head(10)

(2)isnull(),notnull()函数检测缺失数据

创建一个测试集

obj = Series([10,4,np.nan])

image.gif

使用notnull查看

notnull = pd.notnull(obj)

image.gif

根据isnull()返回的结果,取不为空的数据

创建一个测试集

obj = Series([10,4,np.nan])

image.gif

使用notnull查看

notnull = pd.notnull(obj)

image.gif

根据isnull()返回的结果,取不为空的数据

相关文章
|
8天前
|
数据采集 数据可视化 数据挖掘
利用Python和Pandas库优化数据分析流程
在当今数据驱动的时代,数据分析已成为企业和个人决策的重要依据。Python作为一种强大且易于上手的编程语言,配合Pandas这一功能丰富的数据处理库,极大地简化了数据分析的流程。本文将探讨如何利用Python和Pandas库进行高效的数据清洗、转换、聚合以及可视化,从而优化数据分析的流程,提高数据分析的效率和准确性。
|
8天前
|
SQL 数据采集 数据挖掘
构建高效的Python数据处理流水线:使用Pandas和NumPy优化数据分析任务
在数据科学和分析领域,Python一直是最受欢迎的编程语言之一。本文将介绍如何通过使用Pandas和NumPy库构建高效的数据处理流水线,从而加速数据分析任务的执行。我们将讨论如何优化数据加载、清洗、转换和分析的过程,以及如何利用这些库中的强大功能来提高代码的性能和可维护性。
|
8天前
|
数据可视化 数据挖掘 BI
【Python】—— pandas 数据分析
【Python】—— pandas 数据分析
|
8天前
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。
|
8天前
|
数据采集 SQL 数据挖掘
Python数据分析中的Pandas库应用指南
在数据科学和分析领域,Python语言已经成为了一种非常流行的工具。本文将介绍Python中的Pandas库,该库提供了强大的数据结构和数据分析工具,使得数据处理变得更加简单高效。通过详细的示例和应用指南,读者将了解到如何使用Pandas库进行数据加载、清洗、转换和分析,从而提升数据处理的效率和准确性。
|
8天前
|
数据可视化 数据挖掘 C++
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
|
8天前
|
算法 数据挖掘 数据处理
数据分析Pandas之Series,快速上手
数据分析Pandas之Series,快速上手
|
8天前
|
数据采集 机器学习/深度学习 数据可视化
Pandas在数据分析中有广泛的应用场景
Pandas是数据分析利器,适用于数据清洗(处理缺失值、重复项、异常值)、探索分析(统计量、图表)、预处理(特征提取、编码、选择)、建模(线性回归、聚类等)及可视化,与Matplotlib等库配合提升效率。
11 1
|
8天前
|
数据处理 Python
Pandas在数据分析中的应用案例
使用Pandas分析销售数据,通过`read_csv`读取CSV,`groupby`按产品类别分组并应用`agg`计算类别总销售额、平均价和销售量。之后,利用`sort_values`按销售额降序排列,`head`获取前5高销售额类别。示例代码展示了Pandas在数据处理和分析中的高效性。
27 0
|
8天前
|
数据采集 数据挖掘 数据处理
《Pandas 简易速速上手小册》第8章:Pandas 高级数据分析技巧(2024 最新版)
《Pandas 简易速速上手小册》第8章:Pandas 高级数据分析技巧(2024 最新版)
26 1