AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Pandas 2.2 中文官方教程和指南（一）（3）

2024-05-16 96
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： Pandas 2.2 中文官方教程和指南（一）

Pandas 2.2 中文官方教程和指南（一）（2）https://developer.aliyun.com/article/1510593

pandas 数据表表示


  • 我想存储泰坦尼克号的乘客数据。 对于许多乘客，我知道姓名（字符），年龄（整数）和性别（男/女）数据。
In [2]: df = pd.DataFrame(
 ...:    {
 ...:        "Name": [
 ...:            "Braund, Mr. Owen Harris",
 ...:            "Allen, Mr. William Henry",
 ...:            "Bonnell, Miss. Elizabeth",
 ...:        ],
 ...:        "Age": [22, 35, 58],
 ...:        "Sex": ["male", "male", "female"],
 ...:    }
 ...: )
 ...: 
In [3]: df
Out[3]: 
 Name  Age     Sex
0   Braund, Mr. Owen Harris   22    male
1  Allen, Mr. William Henry   35    male
2  Bonnell, Miss. Elizabeth   58  female
  • 要手动将数据存储在表中，请创建一个DataFrame。 使用 Python 字典列表时，字典键将用作列标题，每个列表中的值将用作DataFrame的列。

一个DataFrame是一个可以在列中存储不同类型数据（包括字符、整数、浮点值、分类数据等）的二维数据结构。 它类似于电子表格、SQL 表或 R 中的data.frame。

  • 表格有 3 列，每列都有一个列标签。 列标签分别是Name、Age和Sex。
  • 列Name由文本数据组成，每个值都是一个字符串，列Age是数字，列Sex是文本数据。

在电子表格软件中，我们的数据的表格表示看起来会非常相似：

DataFrame中的每一列都是一个Series


  • 我只对在Age列中的数据感兴趣
In [4]: df["Age"]
Out[4]: 
0    22
1    35
2    58
Name: Age, dtype: int64
  • 当选择 pandas DataFrame的单个列时，结果是一个 pandas Series。 要选择列，请在方括号[]之间使用列标签。

注意

如果您熟悉 Python dictionaries，选择单个列与基于键选择字典值非常相似。

你也可以从头开始创建一个Series：

In [5]: ages = pd.Series([22, 35, 58], name="Age")
In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

pandas 的Series没有列标签，因为它只是DataFrame的单列。 Series 确实有行标签。

对 DataFrame 或 Series 执行某些操作

  • 我想知道乘客的最大年龄
    我们可以通过选择Age列并应用max()在DataFrame上执行此操作：
In [7]: df["Age"].max()
Out[7]: 58
  • 或者到Series：
In [8]: ages.max()
Out[8]: 58

正如 max() 方法所示，您可以使用 DataFrame 或 Series 执行 操作。pandas 提供了许多功能，每个功能都是您可以应用于 DataFrame 或 Series 的 方法。由于方法是函数，不要忘记使用括号 ()。

  • 我对我的数据表的数值数据进行一些基本统计感兴趣
In [9]: df.describe()
Out[9]: 
 Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000
  • describe() 方法提供了对 DataFrame 中数值数据的快速概述。由于 Name 和 Sex 列是文本数据，默认情况下不会被 describe() 方法考虑在内。

许多 pandas 操作会返回一个 DataFrame 或一个 Series。describe() 方法就是一个返回 pandas Series 或 pandas DataFrame 的 pandas 操作的示例。

转至用户指南

在用户指南的关于 使用 describe 进行汇总的部分中查看更多选项

注意

这只是一个起点。与电子表格软件类似，pandas 将数据表示为具有列和行的表格。除了表示外，还有您在电子表格软件中进行的数据操作和计算，pandas 也支持。继续阅读下一篇教程，开始使用！

记住
  • 导入包，即 import pandas as pd
  • 数据表以 pandas 的 DataFrame 形式存储
  • DataFrame 中的每一列都是一个 Series
  • 您可以通过将方法应用于 DataFrame 或 Series 来执行操作

转至用户指南

关于 DataFrame 和 Series 的更详细解释在数据结构简介中提供。

pandas 数据表表示


  • 我想存储 Titanic 的乘客数据。对于许多乘客，我知道他们的姓名（字符）、年龄（整数）和性别（男性/女性）数据。
In [2]: df = pd.DataFrame(
 ...:    {
 ...:        "Name": [
 ...:            "Braund, Mr. Owen Harris",
 ...:            "Allen, Mr. William Henry",
 ...:            "Bonnell, Miss. Elizabeth",
 ...:        ],
 ...:        "Age": [22, 35, 58],
 ...:        "Sex": ["male", "male", "female"],
 ...:    }
 ...: )
 ...: 
In [3]: df
Out[3]: 
 Name  Age     Sex
0   Braund, Mr. Owen Harris   22    male
1  Allen, Mr. William Henry   35    male
2  Bonnell, Miss. Elizabeth   58  female
  • 要手动存储数据到表格中，创建一个 DataFrame。当使用 Python 字典的列表时，字典的键将被用作列标题，每个列表中的值将作为 DataFrame 的列。

DataFrame 是一种二维数据结构，可以在列中存储不同类型的数据（包括字符、整数、浮点值、分类数据等）。它类似于电子表格、SQL 表或 R 中的 data.frame。

  • 表格有 3 列，每列都有一个列标签。列标签分别是 Name、Age 和 Sex。
  • 列 Name 包含文本数据，每个值为字符串，列 Age 是数字，列 Sex 是文本数据。

在电子表格软件中，我们的数据的表格表示看起来会非常相似：

每个DataFrame中的列都是一个Series


  • 我只对Age列中的数据感兴趣
In [4]: df["Age"]
Out[4]: 
0    22
1    35
2    58
Name: Age, dtype: int64
  • 当选择 pandas DataFrame的单个列时，结果是一个 pandas Series。要选择列，请在方括号[]之间使用列标签。

注意

如果你熟悉 Python dictionaries，选择单个列与基于键选择字典值非常相似。

你也可以从头开始创建一个Series：

In [5]: ages = pd.Series([22, 35, 58], name="Age")
In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

一个 pandas Series没有列标签，因为它只是一个DataFrame的单列。一个 Series 有行标签。

对DataFrame或Series执行一些操作

  • 我想知道乘客的最大年龄
    我们可以通过选择Age列并应用max()来对DataFrame进行操作：
In [7]: df["Age"].max()
Out[7]: 58
  • 或对Series进行操作：
In [8]: ages.max()
Out[8]: 58

正如max()方法所示，你可以对DataFrame或Series执行操作。pandas 提供了许多功能，每个功能都是可以应用于DataFrame或Series的方法。由于方法是函数，请不要忘记使用括号()。

  • 我对我的数据表的数值数据感兴趣的一些基本统计信息
In [9]: df.describe()
Out[9]: 
 Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000
  • describe()方法提供了DataFrame中数值数据的快速概述。由于Name和Sex列是文本数据，默认情况下不会被describe()方法考虑在内。

许多 pandas 操作会返回一个DataFrame或一个Series。describe()方法就是一个返回 pandas Series或 pandas DataFrame的 pandas 操作的示例。

转到用户指南

在用户��南的关于使用 describe 进行聚合部分查看更多关于describe的选项

注意

这只是一个起点。与电子表格软件类似，pandas 将数据表示为具有列和行的表格。除了表示，pandas 还支持电子表格软件中的数据操作和计算。继续阅读下一个教程以开始！

记住
  • 导入包，即import pandas as pd
  • 数据表以 pandas DataFrame的形式存储
  • 每个DataFrame中的列都是一个Series
  • 你可以通过将方法应用于 DataFrame 或 Series 来完成任务。

前往用户指南

关于 DataFrame 和 Series 的更详细解释可在数据结构介绍中找到。

如何读取和写入表格数据？

原文：pandas.pydata.org/docs/getting_started/intro_tutorials/02_read_write.html


  • 我想分析泰坦尼克号乘客数据，该数据以 CSV 文件的形式提供。
In [2]: titanic = pd.read_csv("data/titanic.csv")
  • pandas 提供read_csv()函数，将存储为 csv 文件的数据读取到 pandas 的DataFrame中。pandas 支持许多不同的文件格式或数据源（csv、excel、sql、json、parquet 等），每个都带有前缀read_*。

在读取数据后，务必始终检查数据。显示DataFrame时，默认会显示前后 5 行：

In [3]: titanic
Out[3]: 
 PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0              1         0       3  ...   7.2500   NaN         S
1              2         1       1  ...  71.2833   C85         C
2              3         1       3  ...   7.9250   NaN         S
3              4         1       1  ...  53.1000  C123         S
4              5         0       3  ...   8.0500   NaN         S
..           ...       ...     ...  ...      ...   ...       ...
886          887         0       2  ...  13.0000   NaN         S
887          888         1       1  ...  30.0000   B42         S
888          889         0       3  ...  23.4500   NaN         S
889          890         1       1  ...  30.0000  C148         C
890          891         0       3  ...   7.7500   NaN         Q
[891 rows x 12 columns]
  • 我想看一下 pandas DataFrame 的前 8 行。
In [4]: titanic.head(8)
Out[4]: 
 PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
1            2         1       1  ...  71.2833   C85         C
2            3         1       3  ...   7.9250   NaN         S
3            4         1       1  ...  53.1000  C123         S
4            5         0       3  ...   8.0500   NaN         S
5            6         0       3  ...   8.4583   NaN         Q
6            7         0       1  ...  51.8625   E46         S
7            8         0       3  ...  21.0750   NaN         S
[8 rows x 12 columns]
  • 要查看DataFrame的前 N 行，请使用head()方法，并将所需的行数（在本例中为 8）作为参数。

注意

对最后 N 行感兴趣吗？pandas 还提供了tail()方法。例如，titanic.tail(10)将返回 DataFrame 的最后 10 行。

通过请求 pandas 的dtypes属性，可以检查 pandas 如何解释每列的数据类型：

In [5]: titanic.dtypes
Out[5]: 
PassengerId      int64
Survived         int64
Pclass           int64
Name            object
Sex             object
Age            float64
SibSp            int64
Parch            int64
Ticket          object
Fare           float64
Cabin           object
Embarked        object
dtype: object

对于每列，列出了使用的数据类型。此DataFrame中的数据类型为整数（int64）、浮点数（float64）和字符串（object）。

注意

请求dtypes时，不使用括号！dtypes是DataFrame和Series的属性。DataFrame或Series的属性不需要括号。属性表示DataFrame/Series的特征，而方法（需要括号）在第一个教程中介绍了DataFrame/Series的操作。

  • 我的同事请求将泰坦尼克号数据作为电子表格。
In [6]: titanic.to_excel("titanic.xlsx", sheet_name="passengers", index=False)
  • 而read_*函数用于将数据读取到 pandas 中，to_*方法用于存储数据。to_excel()方法将数据存储为 excel 文件。在此示例中，sheet_name命名为passengers，而不是默认的Sheet1。通过设置index=False，行索引标签不会保存在电子表格中。

等效的读取函数read_excel()将重新加载数据到DataFrame中：

In [7]: titanic = pd.read_excel("titanic.xlsx", sheet_name="passengers") 
In [8]: titanic.head()
Out[8]: 
 PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
1            2         1       1  ...  71.2833   C85         C
2            3         1       3  ...   7.9250   NaN         S
3            4         1       1  ...  53.1000  C123         S
4            5         0       3  ...   8.0500   NaN         S
[5 rows x 12 columns]
  • 我对DataFrame的技术摘要感兴趣
In [9]: titanic.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype 
---  ------       --------------  ----- 
 0   PassengerId  891 non-null    int64 
 1   Survived     891 non-null    int64 
 2   Pclass       891 non-null    int64 
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64 
 7   Parch        891 non-null    int64 
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB
  • info()方法提供有关DataFrame的技术信息，让我们更详细地解释输出：
  • 确实是一个DataFrame。
  • 有 891 个条目，即 891 行。
  • 每行都有一个行标签（又称index），其值范围从 0 到 890。
  • 表格有 12 列。大多数列在每一行都有一个值（所有 891 个值都是non-null）。一些列确实有缺失值，少于 891 个non-null值。
  • 列Name、Sex、Cabin和Embarked由文本数据（字符串，又称object）组成。其他列是数值数据，其中一些是整数（又称integer），另一些是实数（又称float）。
  • 不同列中的数据类型（字符、整数等）通过列出dtypes进行总结。
  • 提供了用于保存 DataFrame 的大致 RAM 使用量。
记住
  • 通过read_*函数支持从许多不同文件格式或数据源将数据导入 pandas。
  • 通过不同的to_*方法提供了将数据导出到 pandas 的功能。
  • head/tail/info方法和dtypes属性对于初步检查很方便。

到用户指南

有关从 pandas 到输入和输出的完整概述，请参阅有关读取器和写入器函数的用户指南部分。

如何选择 DataFrame 的子集？

原文：pandas.pydata.org/docs/getting_started/intro_tutorials/03_subset_data.html

如何从DataFrame中选择特定列？


  • 我对泰坦尼克号乘客的年龄感兴趣。
In [4]: ages = titanic["Age"]
In [5]: ages.head()
Out[5]: 
0    22.0
1    38.0
2    26.0
3    35.0
4    35.0
Name: Age, dtype: float64
  • 要选择单个列，请使用方括号[]与感兴趣的列名。

每个DataFrame中的列都是一个Series。当选择单个列时，返回的对象是一个 pandas Series。我们可以通过检查输出的类型来验证这一点：

In [6]: type(titanic["Age"])
Out[6]: pandas.core.series.Series

并查看输出的shape：

In [7]: titanic["Age"].shape
Out[7]: (891,)

DataFrame.shape 是一个属性（记住读写教程中不要对属性使用括号）, 用于包含行数和列数的 pandas Series 和 DataFrame：(nrows, ncolumns)。pandas Series 是一维的，只返回行数。

  • 我对泰坦尼克号乘客的年龄和性别感兴趣。
In [8]: age_sex = titanic[["Age", "Sex"]]
In [9]: age_sex.head()
Out[9]: 
 Age     Sex
0  22.0    male
1  38.0  female
2  26.0  female
3  35.0  female
4  35.0    male
  • 要选择多个列，请在选择括号[]内使用列名列表。

注意

内部方括号定义了一个Python 列表，其中包含列名，而外部方括号用于从 pandas DataFrame 中选择数据，就像在前面的示例中看到的那样。

返回的数据类型是一个 pandas DataFrame：

In [10]: type(titanic[["Age", "Sex"]])
Out[10]: pandas.core.frame.DataFrame 
In [11]: titanic[["Age", "Sex"]].shape
Out[11]: (891, 2)

选择返回了一个具有 891 行和 2 列的DataFrame。记住，DataFrame 是二维的，具有行和列两个维度。

转到用户指南

有关索引的基本信息，请参阅用户指南中关于索引和选择数据的部分。

Pandas 2.2 中文官方教程和指南（一）（4）https://developer.aliyun.com/article/1510595

文章标签：
Python
存储
SQL
索引
JSON
关键词：
Pandas教程
Pandas官方教程
布客飞龙
目录
相关文章
cqtianxin1
|
14天前
|
SQL 数据采集 数据挖掘
Pandas 教程
10月更文挑战第25天
cqtianxin1
25 2
VipSoft
|
3月前
|
存储 JSON 数据格式
Pandas 使用教程 CSV - CSV 转 JSON
Pandas 使用教程 CSV - CSV 转 JSON
VipSoft
38 0
VipSoft
|
3月前
|
JSON 数据格式 Python
Pandas 使用教程 JSON
Pandas 使用教程 JSON
VipSoft
41 0
VipSoft
|
3月前
|
SQL 数据采集 JSON
Pandas 使用教程 Series、DataFrame
Pandas 使用教程 Series、DataFrame
VipSoft
61 0
郑小健
|
5月前
|
数据采集 存储 数据可视化
Pandas高级教程：数据清洗、转换与分析
Pandas是Python的数据分析库，提供Series和DataFrame数据结构及数据分析工具，便于数据清洗、转换和分析。本教程涵盖Pandas在数据清洗（如缺失值、重复值和异常值处理）、转换（数据类型转换和重塑）和分析（如描述性统计、分组聚合和可视化）的应用。通过学习Pandas，用户能更高效地处理和理解数据，为数据分析任务打下基础。
郑小健
605 3
布客飞龙
|
6月前
|
索引 Python
Pandas 2.2 中文官方教程和指南（一）（4）
Pandas 2.2 中文官方教程和指南（一）
布客飞龙
56 0
布客飞龙
|
6月前
|
XML 关系型数据库 PostgreSQL
Pandas 2.2 中文官方教程和指南（一）（2）
Pandas 2.2 中文官方教程和指南（一）
布客飞龙
171 0
布客飞龙
|
6月前
|
XML 关系型数据库 MySQL
Pandas 2.2 中文官方教程和指南（一）（1）
Pandas 2.2 中文官方教程和指南（一）
布客飞龙
175 0
布客飞龙
|
6月前
|
C++ 索引 Python
Pandas 2.2 中文官方教程和指南（五）（4）
Pandas 2.2 中文官方教程和指南（五）
布客飞龙
48 0
布客飞龙
|
6月前
|
索引 Python
Pandas 2.2 中文官方教程和指南（五）（3）
Pandas 2.2 中文官方教程和指南（五）
布客飞龙
43 0

热门文章

最新文章

  • 1
    Flutter之禅 内存优化篇
  • 2
    pandas 打开没有列名的表格，并命名
  • 3
    《Cadence 16.6电路设计与仿真从入门到精通》——2.4 Design Entry CIS原理图图形界面　
  • 4
    记一次对网络抖动经典案例的分析
  • 5
    国外成人网站xHamster大量用户信息黑市变卖，部分账号涉及英美政府官员
  • 6
    用户密码以BCrypt加密的方式来防范被破解
  • 7
    pandas.to_numeric转化数据为数字型
  • 8
    Pandas 数据类型概述与转换实战
  • 9
    Pandas学习
  • 10
    pandas数据操作
  • 1
    从基础到卓越：Pandas与NumPy在复杂数据处理中的实战策略
    60
  • 2
    Python数据分析加速器：深度挖掘Pandas与NumPy的高级功能
    45
  • 3
    数据科学家的秘密武器：Pandas与NumPy高级应用实战指南
    45
  • 4
    重构数据处理流程：Pandas与NumPy高级特性在机器学习前的优化
    62
  • 5
    Dask是一个用于并行计算的Python库，它提供了类似于Pandas和NumPy的API，但能够在大型数据集上进行并行计算。
    235
  • 6
    `geopandas`是一个开源项目，它为Python提供了地理空间数据处理的能力。它基于`pandas`库，并扩展了其对地理空间数据（如点、线、多边形等）的支持。`GeoDataFrame`是`geopandas`中的核心数据结构，它类似于`pandas`的`DataFrame`，但包含了一个额外的地理列（通常是`geometry`列），用于存储地理空间数据。
    69
  • 7
    效率与精准并重：掌握Pandas与NumPy高级特性，赋能数据科学项目
    32
  • 8
    探索数据科学前沿：Pandas与NumPy库的高级特性与应用实例
    42
  • 9
    数据科学进阶之路：Pandas与NumPy高级操作详解与实战演练
    59
  • 10
    驾驭大数据洪流：Pandas与NumPy在高效数据处理与机器学习中的核心作用
    89

    • 相关课程

    更多
  • Python 数据分析库 Pandas 快速入门
  • Python 科学计算库 NumPy 快速入门
  • Python 数据可视化库 Matplotlib 快速入门
  • 【从绘图开始】Python零基础入门
  • Python基础快速入门实战教程
  • Python常用数据科学库

    • 相关电子书

    更多
  • 中文：即学即用的Pandas入门与时间序列分析
  • 即学即用的Pandas入门与时间序列分析
  • Python系列直播第一讲——Python中的一切皆对象

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Python新手入门
  • Python入门
    • 下一篇
    阿里云OSS设置跨域访问