Python數(shù)據(jù)分析庫(kù)pandas基本操作方法

更新時(shí)間：2018年04月08日 11:14:15 作者：birdlove1987

下面小編就為大家分享一篇Python數(shù)據(jù)分析庫(kù)pandas基本操作方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

pandas是什么？

是它嗎？

。。。。很顯然pandas沒有這個(gè)家伙那么可愛。。。。

我們來看看pandas的官網(wǎng)是怎么來定義自己的：

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(gè)非常強(qiáng)大的數(shù)據(jù)分析庫(kù)！

讓我們來學(xué)習(xí)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(chǎn)序列的函數(shù)，類似于我們平時(shí)說的數(shù)組 
print s_data

2.pandas數(shù)據(jù)結(jié)構(gòu)DataFrame

import numpy as np 
import pandas as pd 
 
#以20170220為基點(diǎn)向后生產(chǎn)時(shí)間點(diǎn) 
dates = pd.date_range('20170220',periods=6) 
#DataFrame生成函數(shù)，行索引為時(shí)間點(diǎn)，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 np
import pandas as pd
#設(shè)計(jì)一個(gè)字典
d_data = {'A':1,'B':pd.Timestamp('20170220'),'C':range(4),'D':np.arange(4)}
print d_data
#使用字典生成一個(gè)DataFrame
df_data = pd.DataFrame(d_data)
print df_data
#DataFrame中每一列的類型
print df_data.dtypes
#打印A列
print df_data.A
#打印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頭部數(shù)據(jù)，默認(rèn)為前5行 
print data.head() 
#輸出輸出DataFrame第一行數(shù)據(jù) 
print data.head(1) 
#輸出DataFrame尾部數(shù)據(jù)，默認(rèn)為后5行 
print data.tail() 
#輸出輸出DataFrame最后一行數(shù)據(jù) 
print data.tail(1) 
#輸出行索引 
print data.index 
#輸出列索引 
print data.columns 
#輸出DataFrame數(shù)據(jù)值 
print data.values 
#輸出DataFrame詳細(xì)信息 
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(zhuǎn)置 
print data.T 
#輸出維度信息 
print data.shape 
#轉(zhuǎn)置后的維度信息 
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(jìn)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列中大于0的行 
print data[data.A > 0] 
#輸出大于0的數(shù)據(jù)，小于等于0的用NaN補(bǔ)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 
#打印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，并添加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(gè)元素是否為NaN 
print pd.isnull(dfl) 
#求列平均值 
print dfl.mean() 
#對(duì)每列進(jìn)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(duì)行求平均值 
print dfl.mean(axis=1) 
#生成序列并向右平移兩位 
s = pd.Series([1,3,5,np.nan,6,8],index = dates).shift(2) 
print s 
#df與s做減法運(yùn)算 
print df.sub(s,axis = 'index') 
#每列進(jìn)行累加運(yùn)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(gè)函數(shù) 
def _sum(x): 
 print(type(x)) 
 return x.sum() 
#apply函數(shù)可以接受一個(gè)函數(shù)作為參數(shù) 
print df.apply(_sum) 
s = pd.Series(np.random.randint(10,20,size = 15)) 
print s 
#統(tǒng)計(jì)序列中每個(gè)元素出現(xiàn)的次數(shù) 
print s.value_counts() 
#返回出現(xiàn)次數(shù)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(shù) 
dfl = pd.concat([df.iloc[:3],df.iloc[3:7],df.iloc[7:]]) 
print dfl 
#判斷兩個(gè)DataFrame中元素是否相等 
print df == dfl

13.DataFrame的一些操作(11)

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randn(10,4) , columns = list('ABCD'))
print df
left = pd.DataFrame({'key':['foo','foo'],'lval':[1,2]})
right = pd.DataFrame({'key':['foo','foo'],'rval':[4,5]})
print left
print right
#通過key來合并數(shù)據(jù)
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(jù)A列的索引求和 
print df.groupby('A').sum() 
print 
#先根據(jù)A列的索引，在根據(jù)B列的索引求和 
print df.groupby(['A','B']).sum() 
print 
#先根據(jù)B列的索引，在根據(jù)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(shù)可以打包成一個(gè)個(gè)tuple 
tuples = list(zip(*[['bar', 'bar', 'baz', 'baz', 
      'foo', 'foo', 'qux', 'qux'], 
     ['one', 'two', 'one', 'two', 
      'one', 'two', 'one', 'two']])) 
print tuples 
#生成一個(gè)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(zhuǎn)換為列索引 
print stacked.unstack() 
#轉(zhuǎn)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(jù)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列等于one為索引，根據(jù)C列組合的平均值 
print df[df.A=='one'].groupby('C').mean()

18.時(shí)間序列(1)

import pandas as pd 
import numpy as np 
 
#創(chuàng)建一個(gè)以20170220為基準(zhǔn)的以秒為單位的向前推進(jìn)600個(gè)的時(shí)間序列 
rng = pd.date_range('20170220', periods=600, freq='s') 
print rng 
#以時(shí)間序列為索引的序列 
print pd.Series(np.random.randint(0, 500, len(rng)), index=rng)

19.時(shí)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) 
#重采樣，以2分鐘為單位進(jìn)行加和采樣 
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(zhuǎn)換成時(shí)間戳形式 
print rng1.to_timestamp() 
#時(shí)間加減法 
print pd.Timestamp('20170220') - pd.Timestamp('20170112') 
print pd.Timestamp('20170220') + pd.Timedelta(days=12)

20.數(shù)據(jù)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 
#添加類別數(shù)據(jù)，以raw_grade的值為類別基礎(chǔ) 
df["grade"] = df["raw_grade"].astype("category") 
print df 
#打印類別 
print df["grade"].cat.categories 
#更改類別 
df["grade"].cat.categories = ["very good", "good", "very bad"] 
print df 
#根據(jù)grade的值排序 
print df.sort_values(by='grade', ascending=True) 
#根據(jù)grade排序顯示數(shù)量 
print df.groupby("grade").size()

21.數(shù)據(jù)可視化

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.數(shù)據(jù)讀寫

import pandas as pd 
import numpy as np 
 
df = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD')) 
#數(shù)據(jù)保存，相對(duì)路徑 
df.to_csv('data.csv') 
#數(shù)據(jù)讀取 
print pd.read_csv('data.csv', index_col=0)