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
|
1天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
12 5
|
21天前
|
机器学习/深度学习 数据采集 算法
探索Python科学计算的边界:NumPy、Pandas与SciPy在大规模数据分析中的高级应用
【10月更文挑战第5天】随着数据科学和机器学习领域的快速发展,处理大规模数据集的能力变得至关重要。Python凭借其强大的生态系统,尤其是NumPy、Pandas和SciPy等库的支持,在这个领域占据了重要地位。本文将深入探讨这些库如何帮助科学家和工程师高效地进行数据分析,并通过实际案例来展示它们的一些高级应用。
39 0
探索Python科学计算的边界:NumPy、Pandas与SciPy在大规模数据分析中的高级应用
|
27天前
|
数据可视化 数据挖掘 大数据
Python 数据分析入门:从零开始处理数据集
Python 数据分析入门:从零开始处理数据集
|
27天前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
23 2
|
27天前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析:从入门到实践
使用Python进行数据分析:从入门到实践
34 2
|
5天前
|
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。
|
14天前
|
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
26 0
|
22天前
|
数据采集 数据可视化 数据挖掘
Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
【10月更文挑战第3天】Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
64 0
|
24天前
|
机器学习/深度学习 数据采集 数据可视化
Python中的简单数据分析:入门指南
【10月更文挑战第2天】Python中的简单数据分析:入门指南
29 0
|
2月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
55 0