pandas模块

pandas模块简介

基于Numpy构建

pandas的出现，让python语言成为使用最广泛而且最强道德数据分析语言。

pandas针对表格文件的操作有非常大的优势，尤其是数据量超过10万的。

 

pandas的主要功能

具备诸多功能的两大数据结构

Serise，DataFrame都是基于Numpy构建出来的，公司中使用频繁的是DataFrame，而Series是构成DataFrame的基础，即一个DataFrame可能由N个Serises构成

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

 

安装与导入

python纯开发环境下安装

pip3 install pandas

　　

anaconda环境下安装

conda install pandas

　　

导入

import pandas
import pandas as pd  # 更加习惯给它起一个别名pd

 

补充

数据分析三剑客由于使用频率很高，所以在很多ipynb文件的开头都会提前导入

import numpy as np
import pandas as pd
...

　　

数据类型之Series

是一种类似于一维数组对象，由数据和相关的标签（索引）组成

第一种

pd.Series([4,5,6,7,8])

 

第二种

pd.Series([4,5,6,7,8],index=['a','b','c','d','e'])

 

第三种

pd.Series({"a":1,"b":2})

 

第四种

pd.Series(0,index=['a','b','c'])

 

缺失数据概念

在数据处理中如果遇到NaN关键字，那么意思就是缺失数据，并且NaN属于浮点型。

 

dropna()

过滤掉值为NaN的行

 

fillna()

填充缺失数据

 

isnull()

返回布尔类型

 

notnull()

返回布尔数组

 

数据修改规则

如果执行操作之后有结果说明原数据没有变

 

如果执行操作之后没有结果说明原数据改变

inplace = True，意思就是直接改变原数据

 

布尔值索引

本质是按照对应关系筛选出True对应的数据

逻辑索引

 

mask = pd.Series([True,False,False,True,False])
price = pd.Series([321312,123,324,5654,645])
price[mask]
price|mask
(price>200) & (price<900)
price[(price>200) & (price<900)]

 

 PS：针对&符号链接的条件都必须要加括号

 

行索引/行标签

既可以用行索引也可以使用行标签取值

 

以索引下标解释

res.iloc[1]

　

 

以行标签取值

res.loc['a']