python之pandas的基本使用（1）
一、pandas概述
pandas ：pannel data analysis（皮膚資料分析）。pandas是基於numpy構建的，為時間序列分析提供了很好的支援。pandas中有兩個主要的資料結構，一個是Series，另一個是DataFrame。
二、資料結構 Series
Series 類似於一維陣列與字典(map)資料結構的結合。它由一組資料和一組與資料相對應的資料標籤（索引index）組成。這組資料和索引標籤的基礎都是一個一維ndarray陣列。可將index索引理解為行索引。 Series的表現形式為：索引在左，資料在右。
• 獲取資料和索引：ser_obj.index, ser_obj.values
• 預覽資料：ser_obj.head(n), ser_obj.tail(n)
Series的使用程式碼示例：
import pandas as pd
from pandas import Series,DataFrame
print '用一維陣列生成Series'
x = Series([1,2,3,4])
print x
'''
0 1
1 2
2 3
3 4
'''
print x.values # [1 2 3 4]
# 預設標籤為0到3的序號
print x.index # RangeIndex(start=0, stop=4, step=1)
print '指定Series的index' # 可將index理解為行索引
x = Series([1, 2, 3, 4], index = ['a', 'b', 'd', 'c'])
print x
'''
a 1
b 2
d 3
c 4
'''
print x.index # Index([u'a', u'b', u'd', u'c'], dtype='object')
print x['a'] # 通過行索引來取得元素值：1
x['d'] = 6 # 通過行索引來賦值
print x[['c', 'a', 'd']] # 類似於numpy的花式索引
'''
c 4
a 1
d 6
'''
print x[x > 2] # 類似於numpy的布林索引
'''
d 6
c 4
'''
print 'b' in x # 類似於字典的使用：是否存在該索引：True
print 'e' in x # False
print '使用字典來生成Series'
data = {'a':1, 'b':2, 'd':3, 'c':4}
x = Series(data)
print x
'''
a 1
b 2
c 4
d 3
'''
print '使用字典生成Series,並指定額外的index，不匹配的索引部分資料為NaN。'
exindex = ['a', 'b', 'c', 'e']
y = Series(data, index = exindex) # 類似替換索引
print y
'''
a 1.0
b 2.0
c 4.0
e NaN
'''
print 'Series相加，相同行索引相加，不同行索引則數值為NaN'
print x+y
'''
a 2.0
b 4.0
c 8.0
d NaN
e NaN
'''
print '指定Series/索引的名字'
y.name = 'weight of letters'
y.index.name = 'letter'
print y
'''
letter
a 1.0
b 2.0
c 4.0
e NaN
Name: weight of letters, dtype: float64
'''
print '替換index'
y.index = ['a', 'b', 'c', 'f']
print y # 不匹配的索引部分資料為NaN
'''
a 1.0
b 2.0
c 4.0
f NaN
Name: weight of letters, dtype: float64
'''
三、資料結構 DataFrame
DataFrame是一個類似表格的資料結構，索引包括列索引和行索引，包含有一組有序的列，每列可以是不同的值型別（數值、字串、布林值等）。DataFrame的每一行和每一列都是一個Series，這個Series的name屬性為當前的行索引名/列索引名。
通過列索引獲取列資料（Series型別 ）：df_obj[col_idx] 或 df_obj.col_idx
.ix，標籤與位置混合索引
可輸入給DataFrame構造器的資料：
DataFrame的使用程式碼示例：
print '使用字典生成DataFrame，key為列名字。'
data = {'state':['ok', 'ok', 'good', 'bad'],
'year':[2000, 2001, 2002, 2003],
'pop':[3.7, 3.6, 2.4, 0.9]}
print DataFrame(data) # 行索引index預設為0，1，2，3
'''
pop state year
0 3.7 ok 2000
1 3.6 ok 2001
2 2.4 good 2002
3 0.9 bad 2003
'''
# 指定列索引columns,不匹配的列為NaN
print DataFrame(data, columns = ['year', 'state', 'pop','debt'])
'''
year state pop
0 2000 ok 3.7
1 2001 ok 3.6
2 2002 good 2.4
3 2003 bad 0.9
'''
print '指定行索引index'
x = DataFrame(data,
columns = ['year', 'state', 'pop', 'debt'],
index = ['one', 'two', 'three', 'four'])
print x
'''
year state pop debt
one 2000 ok 3.7 NaN
two 2001 ok 3.6 NaN
three 2002 good 2.4 NaN
four 2003 bad 0.9 NaN
'''
import numpy
print 'DataFrame元素的索引與修改'
print x['state'] # 返回一個名為state的Series
'''
one ok
two ok
three good
four bad
Name: state, dtype: object
'''
print x.state # 可直接用.進行列索引
print x.ix['three'] # 用.ix[]來區分[]進行行索引
'''
year 2002
state good
pop 2.4
debt NaN
Name: three, dtype: object
'''
x['debt'] = 16.5 # 修改一整列資料
print x
'''
year state pop debt
one 2000 ok 3.7 16.5
two 2001 ok 3.6 16.5
three 2002 good 2.4 16.5
four 2003 bad 0.9 16.5
'''
x.debt = numpy.arange(4) # 用numpy陣列修改元素
print x
'''
year state pop debt
one 2000 ok 3.7 0
two 2001 ok 3.6 1
three 2002 good 2.4 2
four 2003 bad 0.9 3
'''
print '用Series修改元素，沒有指定的預設資料用NaN'
val = Series([-1.2, -1.5, -1.7,0], index = ['one', 'two', 'five','six'])
x.debt = val # DataFrame的行索引不變
print x
'''
year state pop debt
one 2000 ok 3.7 -1.2
two 2001 ok 3.6 -1.5
three 2002 good 2.4 NaN
four 2003 bad 0.9 NaN
'''
print '給DataFrame新增新列'
x['gain'] = (x.debt > 0) # 如果debt大於0為True
print x
'''
year state pop debt gain
one 2000 ok 3.7 -1.2 False
two 2001 ok 3.6 -1.5 False
three 2002 good 2.4 NaN False
four 2003 bad 0.9 NaN False
'''
print x.columns
# Index([u'year', u'state', u'pop', u'debt', u'gain'], dtype='object')
print 'DataFrame轉置'
print x.T
'''
one two three four
year 2000 2001 2002 2003
state ok ok good bad
pop 3.7 3.6 2.4 0.9
debt -1.2 -1.5 NaN NaN
gain False False False False
'''
print '使用切片初始化資料,未被匹配的資料為NaN'
pdata = {'state':x['state'][0:3], 'pop':x['pop'][0:2]}
y = DataFrame(pdata)
print y
'''
pop state
one 3.7 ok
three NaN good
two 3.6 ok
'''
print '指定索引和列的名稱'
# 與Series的index.name相區分
y.index.name = '序號'
y.columns.name = '資訊'
print y
'''
資訊 pop state
序號
one 3.7 ok
three NaN good
two 3.6 ok
'''
print y.values
'''
[[3.7 'ok']
[nan 'good']
[3.6 'ok']]
'''
四、索引物件
pandas的索引物件負責管理軸標籤和軸名稱等。構建Series或DataFrame時，所用到的任何陣列或其他序列的標籤都會被轉換成一個Index物件。 Index物件是不可修改的，Series和DataFrame中的索引都是Index物件。
程式碼示例：
from pandas import Index
print '獲取Index物件'
x = Series(range(3), index = ['a', 'b', 'c'])
index = x.index
print index
# Index([u'a', u'b', u'c'], dtype='object')
print index[0:2]
# Index([u'a', u'b'], dtype='object')
try:
index[0]='d'
except:
print "Index is immutable"
print '構造/使用Index物件'
index = Index(numpy.arange(3))
obj2 = Series([1.5, -2.5, 0], index = index)
print obj2
'''
0 1.5
1 -2.5
2 0.0
dtype: float64
'''
print obj2.index is index # True
print '判斷列/行索引是否存在'
data = {'pop':{2.4, 2.9},
'year':{2001, 2002} }
x = DataFrame(data)
print x
'''
pop year
0 {2.4, 2.9} {2001, 2002}
1 {2.4, 2.9} {2001, 2002}
'''
print 'pop' in x.columns # True
print 1 in x.index # True
五、基本功能
對列/行索引重新指定索引（刪除/增加：行/列）：reindex函式
reindex的method選項：
程式碼示例：
print '重新指定索引及NaN填充值' x = Series([4, 7, 5], index = ['a', 'b', 'c']) y = x.reindex(['a', 'b', 'c', 'd']) print y ''' a 4.0 b 7.0 c 5.0 d NaN dtype: float64 ''' print x.reindex(['a', 'b', 'c', 'd'], fill_value = 0) # fill_value 指定不存在元素NaN的預設值 ''' a 4 b 7 c 5 d 0 dtype: int64 ''' print '重新指定索引並指定填充NaN的方法' x = Series(['blue', 'purple'], index = [0, 2]) print x.reindex(range(4), method = 'ffill') ''' 0 blue 1 blue 2 purple 3 purple dtype: object ''' print '對DataFrame重新指定行/列索引' x = DataFrame(numpy.arange(9).reshape(3, 3), index = ['a', 'c', 'd'], columns = ['A', 'B', 'C']) print x ''' A B C a 0 1 2 c 3 4 5 d 6 7 8 ''' x = x.reindex(['a', 'b', 'c', 'd'],method = 'bfill') print x ''' A B C a 0 1 2 b 3 4 5 c 3 4 5 d 6 7 8 ''' print '重新指定column' states = ['A', 'B', 'C','D'] x = x.reindex(columns = states,fill_value = 0) print x ''' A B C D a 0 1 2 0 b 3 4 5 0 d 6 7 8 0 c 3 4 5 0 ''' print x.ix[['a', 'b', 'd', 'c'], states] ''' A B C D a 0 1 2 0 b 3 4 5 0 d 6 7 8 0 c 3 4 5 0 '''刪除（丟棄）整一行/列的元素：drop函式
print 'Series根據行索引刪除行' x = Series(numpy.arange(4), index = ['a', 'b', 'c','d']) print x.drop('c') ''' a 0 b 1 d 3 dtype: int32 ''' print x.drop(['a', 'b']) # 花式刪除 ''' c 2 d 3 dtype: int32 ''' print 'DataFrame根據索引行/列刪除行/列' x = DataFrame(numpy.arange(16).reshape((4, 4)), index = ['a', 'b', 'c', 'd'], columns = ['A', 'B', 'C', 'D']) print x ''' A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 ''' print x.drop(['A','B'],axis=1) # 在列的維度上刪除AB兩行 ''' C D a 2 3 b 6 7 c 10 11 d 14 15 ''' print x.drop('a', axis = 0) # 在行的維度上刪除行 ''' A B C D b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 ''' print x.drop(['a', 'b'], axis = 0) ''' A B C D c 8 9 10 11 d 12 13 14 15 '''索引、選取和過濾：
DataFrame的索引選項：
print 'Series的陣列索引/字典索引' x = Series(numpy.arange(4), index = ['a', 'b', 'c', 'd']) print x['b'] # 1 像字典一樣索引 print x[1] # 1 像陣列一樣索引 print x[[1, 3]] # 花式索引 ''' b 1 d 3 dtype: int32 ''' print x[x < 2] # 布林索引 ''' a 0 b 1 dtype: int32 ''' print 'Series的陣列切片' print x['a':'c'] # 閉區間，索引順序須為前後 ''' a 0 b 1 c 2 ''' x['a':'c'] = 5 print x ''' a 5 b 5 c 5 d 3 ''' print 'DataFrame的索引' data = DataFrame(numpy.arange(16).reshape((4, 4)), index = ['a', 'b', 'c', 'd'], columns = ['A', 'B', 'C', 'D']) print data ''' A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 ''' print data['A'] # 列印列 ''' a 0 b 4 c 8 d 12 Name: A, dtype: int32 ''' print data[['A', 'B']] # 花式索引 ''' A B a 0 1 b 4 5 c 8 9 d 12 13 ''' print data[:2] # 切片索引,選擇行 ''' A B C D a 0 1 2 3 b 4 5 6 7 ''' print data.ix[:2, ['A', 'B']] # 指定行和列索引 ''' A B a 0 1 b 4 5 ''' print data.ix[['a', 'b'], [3, 0, 1]] #行:字典索引，列:陣列索引 ''' D A B a 3 0 1 b 7 4 5 ''' print data.ix[2] # 列印第2行（從0開始） ''' A 8 B 9 C 10 D 11 ''' print data.ix[:'b', 'A'] # 行從開始到b，第A列。 ''' a 0 b 4 Name: A, dtype: int32 ''' print '根據條件選擇' print data ''' A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 ''' print data[data.A > 5] # 根據條件選擇行 ''' A B C D c 8 9 10 11 d 12 13 14 15 ''' print data < 5 # 列印True或者False ''' A B C D a True True True True b True False False False c False False False False d False False False False ''' data[data < 5] = 0 # 條件索引 print data ''' A B C D a 0 0 0 0 b 0 5 6 7 c 8 9 10 11 d 12 13 14 15 '''算術運算和資料對齊
程式碼示例：
print 'DataFrame算術:不重疊部分為NaN,重疊部分元素運算' x = DataFrame(numpy.arange(9.).reshape((3, 3)), columns = ['A','B','C'], index = ['a', 'b', 'c']) y = DataFrame(numpy.arange(12).reshape((4, 3)), columns = ['A','B','C'], index = ['a', 'b', 'c', 'd']) print x print y print x + y ''' A B C a 0.0 2.0 4.0 b 6.0 8.0 10.0 c 12.0 14.0 16.0 d NaN NaN NaN ''' print '對x/y的不重疊部分填充，不是對結果NaN填充' print x.add(y, fill_value = 0) # x不變化 ''' A B C a 0.0 2.0 4.0 b 6.0 8.0 10.0 c 12.0 14.0 16.0 d 9.0 10.0 11.0 ''' print 'DataFrame與Series運算：每行/列進行運算' frame = DataFrame(numpy.arange(9).reshape((3, 3)), columns = ['A','B','C'], index = ['a', 'b', 'c']) series = frame.ix[0] print frame ''' A B C a 0 1 2 b 3 4 5 c 6 7 8 ''' print series ''' A 0 B 1 C 2 ''' print frame - series # 預設按行運算 ''' A B C a 0 0 0 b 3 3 3 c 6 6 6 ''' series2 = Series(range(4), index = ['A','B','C','D']) print frame + series2 # 按行運算：缺失列則為NaN ''' A B C D a 0 2 4 NaN b 3 5 7 NaN c 6 8 10 NaN ''' series3 = frame.A print series3 ''' a 0 b 3 c 6 ''' print frame.sub(series3, axis = 0) # 按列運算。 ''' A B C a 0 1 2 b 0 1 2 c 0 1 2 '''numpy函式應用與對映
程式碼示例：
print 'numpy函式在Series/DataFrame的應用' frame = DataFrame(numpy.arange(9).reshape(3,3), columns = ['A','B','C'], index = ['a', 'b', 'c']) print frame ''' A B C a 0 1 2 b 3 4 5 c 6 7 8 ''' print numpy.square(frame) ''' A B C a 0 1 4 b 9 16 25 c 36 49 64 ''' series = frame.A print series ''' a 0 b 3 c 6 ''' print numpy.square(series) ''' a 0 b 9 c 36 ''' print 'lambda(匿名函式)以及應用' print frame ''' A B C a 0 1 2 b 3 4 5 c 6 7 8 ''' print frame.max() ''' A 6 B 7 C 8 ''' f = lambda x: x.max() - x.min() print frame.apply(f) # 作用到每一列 ''' A 6 B 6 C 6 ''' print frame.apply(f, axis = 1) # 作用到每一行 ''' a 2 b 2 c 2 ''' def f(x): # Series的元素的型別為Series return Series([x.min(), x.max()], index = ['min', 'max']) print frame.apply(f) ''' A B C min 0 1 2 max 6 7 8 ''' print 'applymap和map：作用到每一個元素' _format = lambda x: '%.2f' % x print frame.applymap(_format) # 針對DataFrame ''' A B C a 0.00 1.00 2.00 b 3.00 4.00 5.00 c 6.00 7.00 8.00 ''' print frame['A'].map(_format) # 針對Series ''' a 0.00 b 3.00 c 6.00 Name: A, dtype: object '''
全部程式碼：Github
相關文章
- Python資料分析庫pandas基本操作Python
- Python Pandas的使用 ！！！！！詳解Python
- python之pandas學習Python
- pandas 學習（1）： pandas 資料結構之Series資料結構
- Python資料分析之pandasPython
- pandas之常用基本函式學習筆記函式筆記
- jQuery使用手冊之基本介紹(1)jQuery
- Python爬蟲之Selenium庫的基本使用Python爬蟲
- Python資料分析庫之pandas，你該這麼學！No.1Python
- Python 資料科學之 PandasPython資料科學
- pandas學習之Python基礎Python
- Python資料分析之Pandas篇Python
- Python資料分析(二): Pandas技巧 (1)Python
- Python學習之Pandas和Numpy的區別！Python
- pandas基本使用（一）-- 利用python進行資料分析筆記（第五章）Python筆記
- Python基本圖形繪製--模組1：turtle庫的使用Python
- 【Python自動化Excel】pandas處理Excel資料的基本流程PythonExcel
- Pandas之:Pandas簡潔教程
- python pandasPython
- python–模組之基本Python
- 1-VIII–ViewPager的基本使用Viewpager
- python-資料分析-Pandas-1、Series物件Python物件
- python 使用csv的基本操作Python
- python函式的基本使用Python函式
- Pandas之:深入理解Pandas的資料結構資料結構
- Pandas基本功能詳解 | 輕鬆玩轉Pandas（2）
- python綜合學習四之Numpy和Pandas(下)Python
- Pandas庫的使用--Series
- [python][科學計算][pandas]使用指南Python
- 《利用Python進行資料分析》第五章 pandas的基本功能Python
- Python的Pandas庫簡述Python
- python3之os的基本操作Python
- sqlalchemy在python中的使用(基本使用)一SQLPython
- pandas的基礎使用，資料庫連線，檔案讀取，切片的使用等基本操作----01資料庫
- Python Pandas庫 常見使用錯誤總結Python
- Python之pandas：pandas中to_csv()、read_csv()函式的index、index_col引數詳解之詳細攻略Python函式Index
- [python]pandas學習Python
- python excel pandas openpyxlPythonExcel