Python資料分析庫pandas基本操作方法_python

下面就為大家分享一篇Python資料分析庫pandas基本操作方法，具有很好的參考價值，希望對大家有所協助。一起過來看看吧

pandas是什嗎？

是它嗎？

。。。。很顯然pandas沒有這個傢伙那麼可愛。。。。

我們來看看pandas的官網是怎麼來定義自己的：

pandas is an open source, easy-to-use data structures and data analysis tools for the Python programming language.

很顯然，pandas是python的一個非常強大的資料分析庫！

讓我們來學習一下它吧！

1.pandas序列

import numpy as np import pandas as pd  s_data = pd.Series([1,3,5,7,np.NaN,9,11])#pandas中生產序列的函數，類似於我們平時說的數組 print s_data

2.pandas資料結構DataFrame

import numpy as np import pandas as pd  #以20170220為基點向後生產時間點 dates = pd.date_range('20170220',periods=6) #DataFrame產生函數，行索引為時間點，列索引為ABCD data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data print print data.shape print print data.values

3.DataFrame的一些操作(1)

import numpy as npimport pandas as pd#設計一個字典d_data = {'A':1,'B':pd.Timestamp('20170220'),'C':range(4),'D':np.arange(4)}print d_data#使用字典產生一個DataFramedf_data = pd.DataFrame(d_data)print df_data#DataFrame中每一列的類型print df_data.dtypes#列印A列print df_data.A#列印B列print df_data.B#B列的類型print type(df_data.B)

4.DataFrame的一些操作(2)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data print #輸出DataFrame頭部資料，預設為前5行 print data.head() #輸出輸出DataFrame第一行資料 print data.head(1) #輸出DataFrame尾部資料，預設為後5行 print data.tail() #輸出輸出DataFrame最後一行資料 print data.tail(1) #輸出行索引 print data.index #輸出資料行索引 print data.columns #輸出DataFrame資料值 print data.values #輸出DataFrame詳細資料 print data.describe()

5.DataFrame的一些操作(3)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data print #轉置 print data.T #輸出維度資訊 print data.shape #轉置後的維度資訊 print data.T.shape #將列索引排序 print data.sort_index(axis = 1) #將列索引排序，降序排列 print data.sort_index(axis = 1,ascending=False) #將行索引排序，降序排列 print data.sort_index(axis = 0,ascending=False) #按照A列的值進行升序排列 print data.sort_values(by='A')

6.DataFrame的一些操作(4)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data #輸出A列 print data.A #輸出A列 print data['A'] #輸出3,4行 print data[2:4] #輸出3，4行 print data['20170222':'20170223'] #輸出3,4行 print data.loc['20170222':'20170223'] #輸出3,4行 print data.iloc[2:4] 輸出B,C兩列 print data.loc[:,['B','C']]

7.DataFrame的一些操作(5)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data #輸出A列中大於0的行 print data[data.A > 0] #輸出大於0的資料，小於等於0的用NaN補位 print data[data > 0] #拷貝data data2 = data.copy() print data2 tag = ['a'] * 2 + ['b'] * 2 + ['c'] * 2 #在data2中增加TAG列用tag賦值 data2['TAG'] = tag print data2 #列印TAG列中為a,c的行 print data2[data2.TAG.isin(['a','c'])]

8.DataFrame的一些操作(6)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods=6) data = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) print data #將第一行第一列元素賦值為100 data.iat[0,0] = 100 print data #將A列元素用range(6)賦值 data.A = range(6) print data #將B列元素賦值為200 data.B = 200 print data #將3,4列元素賦值為1000 data.iloc[:,2:5] = 1000 print data

9.DataFrame的一些操作(7)

import numpy as np import pandas as pd  dates = pd.date_range('20170220',periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list('ABCD')) print df #重定義索引，並添加E列 dfl = df.reindex(index = dates[0:4],columns = list(df.columns)+['E']) print dfl #將E列中的2,3行賦值為2 dfl.loc[dates[1:3],'E'] = 2 print dfl #去掉存在NaN元素的行 print dfl.dropna() #將NaN元素賦值為5 print dfl.fillna(5) #判斷每個元素是否為NaN print pd.isnull(dfl) #求列平均值 print dfl.mean() #對每列進行累加 print dfl.cumsum()

10.DataFrame的一些操作(8)

import numpy as np import pandas as pd dates = pd.date_range('20170220',periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list('ABCD')) print df dfl = df.reindex(index = dates[0:4],columns = list(df.columns)+['E']) print dfl #針對行求平均值 print dfl.mean(axis=1) #產生序列並向右平移兩位 s = pd.Series([1,3,5,np.nan,6,8],index = dates).shift(2) print s #df與s做減法運算 print df.sub(s,axis = 'index') #每列進行累加運算 print df.apply(np.cumsum) #每列的最大值減去最小值 print df.apply(lambda x: x.max() - x.min())

11.DataFrame的一些操作(9)

import numpy as np import pandas as pd dates = pd.date_range('20170220',periods = 6) df = pd.DataFrame(np.random.randn(6,4) , index = dates , columns = list('ABCD')) print df #定義一個函數 def _sum(x):  print(type(x))  return x.sum() #apply函數可以接受一個函數作為參數 print df.apply(_sum) s = pd.Series(np.random.randint(10,20,size = 15)) print s #統計序列中每個元素出現的次數 print s.value_counts() #返回出現次數最多的元素 print s.mode()

12.DataFrame的一些操作(10)

import numpy as np import pandas as pd  df = pd.DataFrame(np.random.randn(10,4) , columns = list('ABCD')) print df #合并函數 dfl = pd.concat([df.iloc[:3],df.iloc[3:7],df.iloc[7:]]) print dfl #判斷兩個DataFrame中元素是否相等 print df == dfl

13.DataFrame的一些操作(11)

import numpy as npimport pandas as pddf = pd.DataFrame(np.random.randn(10,4) , columns = list('ABCD'))print dfleft = pd.DataFrame({'key':['foo','foo'],'lval':[1,2]})right = pd.DataFrame({'key':['foo','foo'],'rval':[4,5]})print leftprint right#通過key來合并資料print pd.merge(left,right,on='key')s = pd.Series(np.random.randint(1,5,size = 4),index = list('ABCD'))print s#通過序列添加一行print df.append(s,ignore_index = True)

14.DataFrame的一些操作(12)

import numpy as np import pandas as pd df = pd.DataFrame({'A': ['foo','bar','foo','bar',        'foo','bar','foo','bar'],      'B': ['one','one','two','three',        'two','two','one','three'],      'C': np.random.randn(8),      'D': np.random.randn(8)}) print df print #根據A列的索引求和 print df.groupby('A').sum() print #先根據A列的索引，在根據B列的索引求和 print df.groupby(['A','B']).sum() print #先根據B列的索引，在根據A列的索引求和 print df.groupby(['B','A']).sum()

15.DataFrame的一些操作(13)

import pandas as pd import numpy as np #zip函數可以打包成一個個tuple tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',       'foo', 'foo', 'qux', 'qux'],      ['one', 'two', 'one', 'two',       'one', 'two', 'one', 'two']])) print tuples #產生一個多層索引 index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) print index print df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=['A', 'B']) print df print #將列索引變成行索引 print df.stack()

16.DataFrame的一些操作(14)

import pandas as pd import numpy as np  tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',       'foo', 'foo', 'qux', 'qux'],      ['one', 'two', 'one', 'two',       'one', 'two', 'one', 'two']])) index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=['A', 'B']) print df print stacked = df.stack() print stacked #將行索引轉換為列索引 print stacked.unstack() #轉換兩次 print stacked.unstack().unstack()

17.DataFrame的一些操作(15)

import pandas as pd import numpy as np df = pd.DataFrame({'A' : ['one', 'one', 'two', 'three'] * 3,      'B' : ['A', 'B', 'C'] * 4,      'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,      'D' : np.random.randn(12),      'E' : np.random.randn(12)}) print df #根據A，B索引為行，C的索引為列處理D的值 print pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C']) #感覺A列等於one為索引，根據C列組合的平均值 print df[df.A=='one'].groupby('C').mean()

18.時間序列(1)

import pandas as pd import numpy as np  #建立一個以20170220為基準的以秒為單位的向前推進600個的時間序列 rng = pd.date_range('20170220', periods=600, freq='s') print rng #以時間序列為索引的序列 print pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

19.時間序列(2)

import pandas as pd import numpy as np  rng = pd.date_range('20170220', periods=600, freq='s') ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng) #重採樣，以2分鐘為單位進行加和採樣 print ts.resample('2Min', how='sum') #列出2011年1季度到2017年1季度 rng1 = pd.period_range('2011Q1','2017Q1',freq='Q') print rng1 #轉換成時間戳記形式 print rng1.to_timestamp() #時間加減法 print pd.Timestamp('20170220') - pd.Timestamp('20170112') print pd.Timestamp('20170220') + pd.Timedelta(days=12)

20.資料類別

import pandas as pd import numpy as np  df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'a', 'e']}) print df #添加類別資料，以raw_grade的值為類別基礎 df["grade"] = df["raw_grade"].astype("category") print df #列印類別 print df["grade"].cat.categories #更改類別 df["grade"].cat.categories = ["very good", "good", "very bad"] print df #根據grade的值排序 print df.sort_values(by='grade', ascending=True) #根據grade排序顯示數量 print df.groupby("grade").size()

21.資料視覺效果

import pandas as pd import numpy as np import matplotlib.pyplot as plt  ts = pd.Series(np.random.randn(1000), index=pd.date_range('20170220', periods=1000)) ts = ts.cumsum() print ts ts.plot() plt.show()

22.資料讀寫

import pandas as pd import numpy as np  df = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD')) #資料儲存，相對路徑 df.to_csv('data.csv') #資料讀取 print pd.read_csv('data.csv', index_col=0)

資料被儲存到這個檔案中：

開啟看看：