python数据分析基础005 -pandas详解_pandas入门这一篇就足够了

简介: python数据分析基础005 -pandas详解_pandas入门这一篇就足够了

文章目录

  • 💡结语
  • 🐚作者简介:苏凉(在python路上)

🐳博客主页:苏凉.py的博客

👑名言警句:海阔凭鱼跃,天高任鸟飞。

📰要是觉得博主文章写的不错的话,还望大家三连支持一下呀!!!

👉关注✨点赞👍收藏📂

🌸前言image.png🌔(一)pandas基础介绍

🍸1.什么是pandasimage.png🍹2.为什么要学习pandasimage.png🍻3.pandas的安装image.png🥂4.导入pandas库

import pandas as pd

🌖(二)pandas的常用数据类型

🥥1.Series(一维,带标签数组)

import pandas as pd
a = pd.Series([1,5,4,85,87,512])
print(a,type(a))

结果:

从上述结果中我们可以看到Series创建的对象带有索引。

🍇1.1 创建索引image.png

b = pd.Series([1,5,4,2,45,45,24,5],index=list('abcdefgh'))
print(b)

结果:

🍈1.2 通过字典创建Seriesimage.png

import pandas as pd
dic = {
    'name':'苏凉.py',
    'age':'22',
    'qq_num':'787991021',
}
information = pd.Series(dic)
print(information)

结果:

🍉1.3 Series的切片和索引image.png

🍊1.3.1 显示某个值

import pandas as pd
dic = {
    'name':'苏凉.py',
    'age':'22',
    'qq_num':'787991021',
}
information = pd.Series(dic)
print(information)
print('-'*100)
print(information[0])

结果:

🍍1.3.2 显示多个不连续的值

print(information[[0,2,3]])

结果:

🍎1.3.3 显示多个连续的值

print(information[0:3])

结果:

🍏1.3.4 通过索引查找值

print(information[['name','age','wechat']])

结果:

🍐1.4 Series的索引和值属性image.png

🍑1.4.1 Series的索引(index)

print(information.index)

结果:

🍒1.4.2 索引遍历

a = information.index
for i in a:
    print(i)

结果:

🥕1.4.3 Series的值(values)

print(information.values)


结果:


image.png

🌰2.DataFrame(二维,Series容器)

import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(1,13).reshape(3,4))
print(a)

结果:

image.png

💐2.1 创建索引image.png

a = pd.DataFrame(np.arange(1,13).reshape(3,4),index=list('123'),columns=list('ABCD'))

结果:

🌸2.2 通过字典创建DataFrame

方法一:

import pandas as pd
list = {
    'name':['苏凉.py','佚名'],
    'age':['22','15'],
    'QQ_num':['787991021','01234567'],
    'wechat':['lxzy787991021','ym789456']
}
person = pd.DataFrame(list)
print(person)

结果:

方法二:

import pandas as pd
list2 = [
    {'name':'苏凉.py','age':'22','QQ_num':'787991021','wechat':'lxzy787991021'},
    {'name':'佚名','QQ_num':'01234567','wechat':'ym789456'}
]
person = pd.DataFrame(list2)
print(person)

结果:

image.png

🌺2.3 DataFrame的索引和切片image.png

🌻2.3.1 取前几行

print(person[:2])

结果:

🌼2.3.2 取某列

print(person['name'])

结果:

🌷2.3.3 取多列

print(person[['name','wechat']])

结果:

🌲2.4.1.2 取多行
print(person.loc[[0,1]])

结果:

🌳2.4.1.3 取某列
print(person.loc[:,'name'])

结果:

🌴2.4.1.3 取多列
print(person.loc[:,['name','wechat']])

结果:

🌵2.4.1.3 取某行某列
print(person.loc[0,'wechat'])

结果:

🌾2.4.1.4 取多行多列
print(person.loc[0:1,['name','QQ_num']])

结果:

🌿2.4.2 利用iloc来获取值image.png

🍀2.4.2.1 获取行
print(person.iloc[0,])

结果:

🍁2.4.2.2 获取列
print(person.iloc[:,2])

结果:image.png

🍂2.4.2.3 获取某行某列
print(person.iloc[0,3])

结果:image.png

🍃2.4.2.4 获取多行多列
print(person.iloc[[0,1],[0,2,3]])

结果:

image.png


💡结语

今天的内容到这里就结束啦,觉得写的不错的话给个三连支持一下吧!!文章有不足之处还望指出,一起加油进步啊!希望看到此文的小伙伴都有所收获!关注我,咱们下期再见!!


相关文章
|
26天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
61 0
|
21天前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
38 2
|
27天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
34 2
|
18天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
|
18天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
20天前
|
SQL 数据挖掘 Python
数据分析编程:SQL,Python or SPL?
数据分析编程用什么,SQL、python or SPL?话不多说,直接上代码,对比明显,明眼人一看就明了:本案例涵盖五个数据分析任务:1) 计算用户会话次数;2) 球员连续得分分析;3) 连续三天活跃用户数统计;4) 新用户次日留存率计算;5) 股价涨跌幅分析。每个任务基于相应数据表进行处理和计算。
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
深入浅出:用Python进行数据分析的入门指南
【10月更文挑战第21天】 在信息爆炸的时代,掌握数据分析技能就像拥有一把钥匙,能够解锁隐藏在庞大数据集背后的秘密。本文将引导你通过Python语言,学习如何从零开始进行数据分析。我们将一起探索数据的收集、处理、分析和可视化等步骤,并最终学会如何利用数据讲故事。无论你是编程新手还是希望提升数据分析能力的专业人士,这篇文章都将为你提供一条清晰的学习路径。
|
2月前
|
数据挖掘 索引 Python
Python数据分析篇--NumPy--入门
Python数据分析篇--NumPy--入门
36 0
|
4月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
86 2
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
193 4