Pandas簡介
Pandas 最常用于處理數據集。它具有分析、清理、探索和操作數據的功能。"Pandas"這個名稱既指"Panel Data"，也指"Python Data Analysis"。
，Pandas 讓我們能夠分析大數據并根據統計理論得出結論。Pandas 可以清理雜亂的數據集，使它們具有可讀性和相關性。相關數據在數據科學中非常重要。
安裝Pandas
使用pip來安裝Pandas。
Pandas 中的數據類型
Pandas 中使用了兩種類型的對象。一個是“Series”，用于創建和存儲一維值，例如列或行。另一個是“ DataFrame ”，可以認為是一張表：它是二維的。DataFrame 包含行和列。在數據科學中將經常使用 Pandas DataFrames。可以在 Python 中編寫代碼時創建 Series 和 DataFrames，但通常情況下，DataFrames 不是在 Pandas 上創建的：數據是從其他地方導入的，因為在編寫程序時很難逐個鍵入所有數據。此數據通常采用逗號分隔值 (.csv) 文件的形式。一個 .csv 文件可以使用 Pandas 轉換為 DataFrame，然后你可以用它做很多事情。
Series 與 NumPy 數組非常相似（實際上它構建在 NumPy 數組對象之上）。NumPy 數組與 Series 的區別在于，Series 可以具有軸標簽，這意味著它可以由標簽索引，而不僅僅是數字位置。它也不需要保存數字數據，它可以保存任意 Python 對象。
- Series索引及數據列表代碼示例。
import pandas as pd
import numpy as np
index = ['China','Canada','Mexico']
data = [1820,1920,1921]
mySeries = pd.Series(data,index)
print(mySeries)
ran_data = np.random.randint(0,100,4)
print(ran_data)
names = ['Sam','Ram','Max','Bob']
ages = pd.Series(ran_data,names)
print(ages)
pdSeries = pd.Series(data=[100,250,400,500],index=['Q1 Sales','Q2 Sales','Q3 Sales','Q4 Sales'],name='RedBull Sales 2021')
print(pdSeries)
代碼運行輸出如下圖所示
- 從Python字典生成Series代碼示例。
import pandas as pd
age = {'Bob':15,'Frank':23,'Mailo':18}
dictSeries = pd.Series(age)
print(dictSeries)
代碼運行輸出如下圖所示：
- Series的命名索引，類似字典的取值方式，具體請看下面的代碼示例，這里需要注意如果取值失敗會直接expect錯誤，所以在取值的時候必須保證key跟index是存在的。
import pandas as pd
q1 = {'Japan': 80, 'China': 450, 'India': 200, 'USA': 250}
q2 = {'Brazil': 100,'China': 500, 'India': 210,'USA': 260}
sales_q1 = pd.Series(q1)
sales_q2 = pd.Series(q2)
print(sales_q1)
print(sales_q2)
print(sales_q1['India'])
print(sales_q2[2])
代碼運行結果如下圖所示：
- Series還可以做一些數學運算，下面是代碼示例。
import pandas as pd
q1 = {'Japan': 80, 'China': 450, 'India': 200, 'USA': 250}
q2 = {'Brazil': 100,'China': 500, 'India': 210,'USA': 260}
sales_q1 = pd.Series(q1)
sales_q2 = pd.Series(q2)
print(sales_q1.keys()) # 取Series的key
print(sales_q1.values) # 取Series的values
new_sales_q1 = sales_q1 * 2
print(new_sales_q1)
float_sales_q1 = sales_q1 /100
print(float_sales_q1)
代碼運行輸出結果如下圖所示：
Pandas DataFrame 是一種二維數據結構，如二維數組或具有行和列的表。
- 創建DataFrame對象。
import pandas as pd
import numpy as np
np.random.seed(10)
data = np.random.randint(0,101,(4,3))
print(data)
x = ['CA','NY','AZ','TX']
y = ['Jan','Feb','Mar']
df = pd.DataFrame(data,x,y)
print(df)
代碼運行結果輸出如下圖所示：
- 從字典創建DataFrame對象。
import pandas as pd
dict_data = pd.DataFrame({'baidu': [10000,20000],
'aliyun':[30000,45000]},
index = ['Exicutive','Techie'])
print(dict_data)
代碼運行結果輸出如下圖所示：
- 讀取csv文件創建DataFrame對象。
讀取csv文件需要安裝xlrd跟openpyxl模塊。
pip install xlrd
pip install openpyxl
import pandas as pd
df_csv = pd.read_csv("Employees.csv") # 讀取csv文件
#df_excel = pd.read_excel("xxx.excel") #讀取excel文件
print(df)
代碼運行結果輸出：
- 獲取DataFrame的基本信息。
import pandas as pd
df = pd.read_csv("Employees.csv")
df.columns
import pandas as pd
df = pd.read_csv("Employees.csv")
df.head(5)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.tail(3)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.info
import pandas as pd
df = pd.read_csv("Employees.csv")
df.describe()
df.describe().transpose() # 改變表格的對齊方式
如何過濾數據呢？
針對每一行進行測試的單個條件，比如head，tail函數。
可以在一行中測試多個條件。以下示例返回由女性且工資大于 5000的情況。
import pandas as pd
df = pd.read_csv("Employees.csv")
filter1 = df["工資"] > 5000
filter2 = df["性別"] == "F"
result = filter1 & filter2
df[result].head(3)
查詢方法提供了一種替代方法，通常是一種比上述方法更易讀的過濾數據的方法。表示條件的字符串被傳遞給查詢方法以過濾數據。
import pandas as pd
df = pd.read_csv("Employees.csv")
df.query('工資 > 8000').head(2)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.query('工資 > 5000 and 性別 =="F"')
聚合的技術定義是用單個數字匯總一系列值。例如 sum、mean、median、max 和 min 都是聚合方法的例子
import pandas as pd
df=pd.DataFrame({'user':['Alice','Tom','Bob','Alice','Bob','Alice'],'money':range(6)})
df.groupby(['user']).sum() # sum聚合
結論
這些是 Pandas 中基本操作的一些示例。在 Pandas 中還能夠創建數據可視化。
本文轉載自微信公眾號「愛編碼的社畜」，可以通過以下二維碼關注。轉載本文請聯系愛編碼的社畜公眾號。
