Pandas是什么？
Pandas是数据分析的核心工具包，基于Numpy创建，为数据分析而存在。
- 一维数组Series + 二维数组Dataframe
- 可直接读取数据并做处理(高效简单)
- 兼容各种数据库
- 支持各种分析方法
Pandas基本数据结构-Series的基本概念
先举个栗子:
ar = np.random.rand(5) s = pd.Series(ar) print(ar) print(s,type(s)) >>> [0.1206055 0.83147658 0.88649587 0.2162775 0.31466148] 0 0.120605 1 0.831477 2 0.886496 3 0.216277 4 0.314661 dtype: float64 <class 'pandas.core.series.Series'>
在这里可以看到这里的Series相比与之前学习的ndarray是一个自带索引index的数组 = 一维的数组 + 对应的索引，当pd.Series单单只看values时就是一个ndarray。
在具体操作方面，Series和ndarray基本相似，包括索引切片的操作差别并不大。
Pandas基本数据结构-Series的创建方法
字典创建Series
# 字典创建Series dic = {'a':1, 'b':2, 'c':3} s = pd.Series(dic) print(s)
数组创建Series
# 数组创建Series arr = np.random.rand(5)*200 s = pd.Series(arr) print(arr) print(s,type(s))
Series的参数设置
我们可以通过指定Series的index以及dtype参数创建符合我们要求的Series。
# Series的参数设置 s = pd.Series(arr,index=list('abcde'),dtype=np.int,name=test) print(s) # index参数：设置index，长度保持一致 # dtype参数：设置数值类型 # 那么参数：设置名称
通过标量创建Series
s = pd.Series(arr,index=np.arange(5)) print(s)
Pandas基本数据结构-Series的索引
位置下标索引
位置下标从0开始，索引结果为numpy.float格式并且可以通过float()格式转换为float格式，且位置下标索引是没有负数的。
s = pd.Series(np.random.rand(5)) print(s) print(s[0],type(s[0]),s[0].dtype) print(float(s[0]),type(float(s[0]))) >>> 0 0.495361 1 0.152195 2 0.217591 3 0.748394 4 0.093389 dtype: float64 0.49536125725281055 <class 'numpy.float64'> float64 0.49536125725281055 <class 'float'>
标签索引
# 标签索引 s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e']) print(s) print(s['a'],type(s['a']),s['a'].dtype) # 如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表） # 多标签索引结果是新的数组 sci = s[['a','b','e']] print(sci,type(sci)) >>> a 0.714630 b 0.213957 c 0.172188 d 0.972158 e 0.875175 dtype: float64 0.714630383451 <class 'numpy.float64'> float64 a 0.714630 b 0.213957 e 0.875175 dtype: float64 <class 'pandas.core.series.Series'>
切片索引
s1 = pd.Series(np.random.rand(5)) s2 = pd.Series(np.random.rand(5), index = ['a','b','c','d','e']) print(s1[1:4],s1[4]) print(s2['a':'c'],s2['c']) print(s2[0:3],s2[3]) print('-----') # 注意：用index做切片是末端包含 print(s2[:-1]) print(s2[::2]) # 下标索引做切片，和list写法一样 >>> 1 0.865967 2 0.114500 3 0.369301 dtype: float64 0.411702342342 a 0.717378 b 0.642561 c 0.391091 dtype: float64 0.39109096261 a 0.717378 b 0.642561 c 0.391091 dtype: float64 0.998978363818 ----- a 0.717378 b 0.642561 c 0.391091 d 0.998978 dtype: float64 a 0.717378 c 0.391091 e 0.957639 dtype: float64
布尔型索引
# 布尔型索引 # 数组做判断之后，返回的是一个由布尔值组成的新的数组 # .isnull() / .notnull() 判断是否为空值 (None代表空值，NaN代表有问题的数值，两个都会识别为空值) # 布尔型索引方法：用[判断条件]表示，其中判断条件可以是 一个语句，或者是 一个布尔型数组！ s = pd.Series(np.random.rand(3)*100) s[4] = None # 添加一个空值 print(s) bs1 = s > 50 bs2 = s.isnull() bs3 = s.notnull() print(bs1, type(bs1), bs1.dtype) print(bs2, type(bs2), bs2.dtype) print(bs3, type(bs3), bs3.dtype) print('-----') print(s[s > 50]) print(s[bs3]) >>> 0 2.03802 1 40.3989 2 25.2001 4 None dtype: object 0 False 1 False 2 False 4 False dtype: bool <class 'pandas.core.series.Series'> bool 0 False 1 False 2 False 4 True dtype: bool <class 'pandas.core.series.Series'> bool 0 True 1 True 2 True 4 False dtype: bool <class 'pandas.core.series.Series'> bool ----- Series([], dtype: object) 0 2.03802 1 40.3989 2 25.2001 dtype: object
巩固练习
- 分别由字典、数组的方式，创建以下要求的Series
- 创建一个Series，包含10个元素，且每个值为0-100的均匀分布随机值，index为a-j，请分别筛选出：
- 标签为b，c的值为多少
- Series中第4到6个值是哪些？
- Series中大于50的值有哪些？
