這篇文章主要介紹“Pandas的介紹及安裝方法”，在日常操作中，相信很多人在Pandas的介紹及安裝方法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Pandas的介紹及安裝方法”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

創(chuàng)新互聯(lián)主要從事成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站、成都外貿(mào)網(wǎng)站建設(shè)公司、網(wǎng)頁設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)靜樂,十載網(wǎng)站建設(shè)經(jīng)驗(yàn),價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18980820575

Pandas介紹與安裝

為什么會有Pandas

Pandas支持大部分Numpy語言風(fēng)格，尤其是數(shù)組函數(shù)與廣播機(jī)制的各種數(shù)據(jù)處理。單是Numpy更適合處理同質(zhì)型的數(shù)據(jù)。而Pandas的設(shè)計(jì)就是用來處理表格型或異性數(shù)據(jù)的，高效的清洗、處理數(shù)據(jù)。

Pandas是什么?

Pandas是基于Numpy的一種工具，提供高性能矩陣的運(yùn)算，該工具是為了解決數(shù)據(jù)分析任何而創(chuàng)建的。也是貫穿整個Python數(shù)據(jù)分析非常核心的工具

安裝Pandas

pip install Pandas

Pandas涉及內(nèi)容

Pandas基礎(chǔ) 、數(shù)據(jù)清洗與準(zhǔn)備、數(shù)據(jù)聚合與分組、時間序列

Pandas數(shù)據(jù)結(jié)構(gòu)介紹

Series介紹

Series是一種一維數(shù)組對象，它包含了一個值序列(value) ,并且包含了數(shù)據(jù)標(biāo)簽，稱之為索引 (index)

Series創(chuàng)建

pd.Series(data=None,index=None,dtype=None,name=None,copy=False)

data : 創(chuàng)建數(shù)組的數(shù)據(jù)，可為array、like、dict、or scalar value

index : 指定索引

dtype : 數(shù)組數(shù)據(jù)類型

name : 數(shù)組名稱

copy : 是否拷貝

Pandas數(shù)組函數(shù)

語法　　基本使用

dtype　　查看數(shù)據(jù)類型

astype　　修改數(shù)據(jù)類型

head()　　預(yù)覽前幾條數(shù)據(jù)

tail()　　預(yù)覽后幾條數(shù)據(jù)

In [15]: # 指定索引序列

In [16]: series = pd.Series(np.arange(4),index=['a','b','c','d'])

In [17]: series

Out[17]:

a 0

b 1

c 2

d 3

dtype: int32

In [18]: # 指定索引的名字

In [19]: series = pd.Series(np.arange(4),index=['a','b','c','d'],name='SmallJ')

In [20]: series

Out[20]:

a 0

b 1

c 2

d 3

Name: SmallJ, dtype: int32

In [21]: # 默認(rèn)返回int32,可指定其他類型

In [23]: series = pd.Series(np.arange(4),index=['a','b','c','d'],name='SmallJ',dtype='int64')

In [24]: series

Out[24]:

a 0

b 1

c 2

d 3

Name: SmallJ, dtype: int64

In [29]: import numpy as np

In [30]: import pandas as pd

In [31]: series = pd.Series(np.arange(10),name='SmallJ')

In [32]: series

Out[32]:

0 0

1 1

2 2

3 3

4 4

5 5

6 6

7 7

8 8

9 9

Name: SmallJ, dtype: int32

In [33]: # 前面為索引后面為值

In [34]: series.dtype

Out[34]: dtype('int32')

In [35]: # 查看數(shù)據(jù)類型

In [36]: series.dtype

Out[36]: dtype('int32')

In [37]: # 修改數(shù)據(jù)類型

In [38]: series.astype('float64')

Out[38]:

0 0.0

1 1.0

2 2.0

3 3.0

4 4.0

5 5.0

6 6.0

7 7.0

8 8.0

9 9.0

Name: SmallJ, dtype: float64

In [39]: # 預(yù)覽從頭開始的數(shù)據(jù) (括號內(nèi)填指定的數(shù)據(jù))

In [40]: series.head(5)

Out[40]:

0 0

1 1

2 2

3 3

4 4

Name: SmallJ, dtype: int32

In [41]: series.head(6)

Out[41]:

0 0

1 1

2 2

3 3

4 4

5 5

Name: SmallJ, dtype: int32

In [42]: # 預(yù)覽最后的數(shù)據(jù) (括號填指定的數(shù)據(jù))

In [43]: series.tail(5)

Out[43]:

5 5

6 6

7 7

8 8

9 9

Name: SmallJ, dtype: int32

Series的索引與值

series.index

查看索引

series.values

查看值序列

series.reset_index(drop=False)

重置索引

drop 是否刪除原索引 默認(rèn)為否

In [89]: import pandas as pd

In [90]: import numpy as np

In [91]: series = pd.Series(data=np.arange(5),index=['a','b','c','d','e'])

In [92]: series

Out[92]:

a 0

b 1

c 2

d 3

e 4

dtype: int32

In [93]: # 查看索引

In [94]: series.index

Out[94]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

In [95]: series.values

Out[95]: array([0, 1, 2, 3, 4])

In [96]: series.reset_index()

Out[96]:

index 0

0 a 0

1 b 1

2 c 2

3 d 3

4 e 4

In [98]: series

Out[98]:

a 0

b 1

c 2

d 3

e 4

dtype: int32

In [99]: # 查看值序列

In [100]: series.values

Out[100]: array([0, 1, 2, 3, 4])

In [101]: # 當(dāng)drop中的值為True的時候?qū)⒉捎脛h除原索引,并不會對原數(shù)據(jù)進(jìn)行修改，需要復(fù)制

In [102]: series = series.reset_index(drop=True)

In [103]: series

Out[103]:

0 0

1 1

2 2

3 3

4 4

dtype: int32

Series索引與切片

series.[‘標(biāo)簽索引’]

通過標(biāo)簽索引來取值

series[‘索引’]

通過下標(biāo)索引來取值

series.loc(標(biāo)簽索引)

通過標(biāo)簽索引來取值

series.iloc(索引)

通過索引

In [115]: # 通過標(biāo)簽來取值

In [116]: series.loc['b']

Out[116]: 1

In [117]: # 通過索引下標(biāo)來取值

In [118]: series.iloc[1]

Out[118]: 1

采用神奇索引

In [139]: series

Out[139]:

a 0

b 1

c 10

d 3

e 22

dtype: int32

In [141]: # 采用標(biāo)簽來取值

In [142]: series[['a','e']]

Out[142]:

a 0

e 22

dtype: int32

In [143]: # 采用索引取值

In [144]: series[[0,-1]]

Out[144]:

a 0

e 22

dtype: int32

Series修改值

In [122]: series

Out[122]:

a 0

b 1

c 2

d 3

e 4

dtype: int32

通過索引來修改值

series.iloc[2] = 10

通過標(biāo)簽來修改值

series.loc['e'] = 22

In [139]: series

Out[139]:

a 0

b 1

c 10

d 3

e 22

dtype: int32

判斷值是否存在

in 并不是判斷值，而是根據(jù)標(biāo)簽索引來判斷

Series運(yùn)算

共同索引對應(yīng)運(yùn)算，其他值填充為NaN

Pandas會自動幫我們進(jìn)行數(shù)據(jù)轉(zhuǎn)換，當(dāng)我們的數(shù)據(jù)類型為None時，會把數(shù)據(jù)替換為NaN

當(dāng)沒用通過索引的時候，將全部變?yōu)镹aN

NaN與任何值計(jì)算都是NaN

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])

In [149]: data

Out[149]:

a 1.0

b 2.0

c 3.0

d 4.0

e NaN

dtype: float64

當(dāng)進(jìn)行對應(yīng)標(biāo)簽索引進(jìn)行相加的時候

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])

In [149]: data

Out[149]:

a 1.0

b 2.0

c 3.0

d 4.0

e NaN

dtype: float64

In [150]: data1 = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])

In [151]: data1

Out[151]:

a 1.0

b 2.0

c 3.0

d 4.0

e NaN

dtype: float64

In [152]: data + data1

Out[152]:

a 2.0

b 4.0

c 6.0

d 8.0

e NaN

dtype: float64

當(dāng)對應(yīng)的標(biāo)簽索引位置進(jìn)行相加時

當(dāng)對應(yīng)是索引的位置沒有數(shù)值時，顯示的數(shù)值為NaN

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])

In [153]: data2 = pd.Series(data=[1,2,3],index=['a','b','c'])

In [156]: data

Out[156]:

a 1.0

b 2.0

c 3.0

d 4.0

e NaN

dtype: float64

In [157]: data2

Out[157]:

a 1

b 2

c 3

dtype: int64

In [158]: data + data2

Out[158]:

a 2.0

b 4.0

c 6.0

d NaN

e NaN

dtype: float64

當(dāng)不對應(yīng)的索引標(biāo)簽進(jìn)行相加的時候

當(dāng)對應(yīng)的索引標(biāo)簽不相同的時，顯示的全部結(jié)果為NaN

In [161]: data2 = pd.Series(data=[1,2,3],index=['a','b','c'])

In [162]: data3 = pd.Series(data=[1,2,3,4],index=['d','e','f','g'])

In [163]: data2

Out[163]:

a 1

b 2

c 3

dtype: int64

In [164]: data3

Out[164]:

d 1

e 2

f 3

g 4

dtype: int64

In [165]: data2 + data3

Out[165]:

a NaN

b NaN

c NaN

d NaN

e NaN

f NaN

g NaN

dtype: float64

到此，關(guān)于“Pandas的介紹及安裝方法”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！

分享題目：Pandas的介紹及安裝方法
網(wǎng)站鏈接：http://www.rwnh.cn/article0/gcggoo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信小程序、手機(jī)網(wǎng)站建設(shè)、網(wǎng)站維護(hù)、企業(yè)網(wǎng)站制作、網(wǎng)站收錄、靜態(tài)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)