- 当前位置：首页 >应用开发 >Python数据分析，必须要求掌握Pandas大熊猫
Python数据分析，必须要求掌握Pandas大熊猫
发布时间：2025-11-03 19:43:33 来源：创站工坊 作者：IT科技类资讯
我写的数据pandas不是我国可爱的大熊猫国宝
pandas 是基于NumPy 的一种工具，该工具是分析为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的必须数据模型，提供了高效地操作大型数据集所需的求掌工具。pandas提供了大量能使我们快速便捷地处理数据的熊猫函数和方法。你很快就会发现，数据它是分析使Python成为强大而高效的数据分析环境的重要因素之一。
1.pandas数据结构的源码下载必须介绍
Series：一维数组，与Numpy中的求掌一维array类似。二者与Python基本的熊猫数据结构List也很相近。Series如今能保存不同种数据类型，数据字符串、分析boolean值、必须数字等都能保存在Series中。求掌 Time- Series：以时间为索引的熊猫Series。 DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。 Panel ：三维的数组，可以理解为DataFrame的亿华云容器。2.Series的操作
2.1 对象创建 2.1.1 直接创建2.1.2 字典创建
import pandas as pd import numpy as np # 直接创建 s = pd.Series(np.random.randn(5), index=[a,b,c,d,e]) print(s) # 字典（dict）类型数据创建 s = pd.Series( {a:10, b:20, c:30}, index=[b, c, a, d]) OUT: a -0.620323 b -0.189133 c 1.677690 d -1.480348 e -0.539061 dtype: float64 OUT: a 10 b 20 c 30 dtype: int642.2 查看数据 切片、索引、dict操作 Series既然是一维数组类型的数据结构，那么它支持想数组那样去操作它。通过数组下标索引、切片都可以去操作他，且它的data可以是dict类型的，那么它肯定也就支持字典的索引方式。
import pandas as pd import numpy as np s = pd.Series(np.random.randn(5), index=[a,b,c,d,e]) print(s) # 下标索引 print(下标索引方式s[0] = : %s % s[0]) # 字典访问方式 print(字典访问方式s[b] = ：%s % s[b]) # 切片操作 print(切片操作s[2:]\n:%s % s[2:]) print(a in s) print(k in s) OUT: a -0.799676 b -1.581704 c -1.240885 d 0.623757 e -0.234417 dtype: float64 下标索引方式s[0] = : -0.799676067487 字典访问方式s[b] = ：-1.58170351838 切片操作s[2:]: c -1.240885 d 0.623757 e -0.234417 True False2.3 Series的算术操作
import pandas as pd import numpy as np s1 = pd.Series(np.random.randn(3), index=[a,b,c]) s2 = pd.Series(np.random.randn(3), index=[a,b,c]) print(s1+s2) print(s1-s2) print(s1*s2) print(s1/s2) OUT: a 0.236514 b -0.132153 c 0.203186 dtype: float64 a 0.305397 b -1.474441 c -1.697982 dtype: float64 a -0.009332 b -0.539128 c -0.710465 dtype: float64 a -7.867120 b -1.196907 c -0.786252 dtype: float643.dataframe的操作
3.1 对象创建
In [70]: data = {state: [Ohio, Ohio, Ohio, Nevada, Nevada],year: [2000, 2001, 20 ...: 02, 2001, 2002],pop: [1.5, 1.7, 3.6, 2.4, 2.9]} In [71]: data Out[71]: {pop: [1.5, 1.7, 3.6, 2.4, 2.9], state: [Ohio, Ohio, Ohio, Nevada, Nevada], year: [2000, 2001, 2002, 2001, 2002]} # 建立DataFrame对象 In [72]: frame1 = DataFrame(data) # 红色部分为自动生成的索引 In [73]: frame1 Out[73]: pop state year 0 1.5 Ohio 2000 1 1.7 Ohio 2001 2 3.6 Ohio 2002 3 2.4 Nevada 2001 4 2.9 Nevada 2002 >>> lista = [1,2,5,7] >>> listb = [a,b,c,d] >>> df = pd.DataFrame({col1:lista,col2:listb}) >>> df col1 col2 0 1 a 1 2 b 2 5 c 3 7 d3.2 选择数据
In [1]: import numpy as np ...: import pandas as ...: df = pd.DataFrame In [2]: df Out[2]: a b c 0 0 2 4 1 6 8 10 2 12 14 16 3 18 20 22 4 24 26 28 5 30 32 34 6 36 38 40 7 42 44 46 8 48 50 52 9 54 56 58 In [3]: df.loc[0,c] Out[3]: 4 In [4]: df.loc[1:4,[a,c]] Out[4]: a c 1 6 10 2 12 16 3 18 22 4 24 28 In [5]: df.iloc[0,2] Out[5]: 4 In [6]: df.iloc[1:4,[0,2]] Out[6]: a c 1 6 10 2 12 16 3 18 223.3 函数应用
frame = pd.DataFrame(np.random.randn(4, 3), columns=list(bde), index=[Utah, Ohio, Texas, Oregon]) frame np.abs(frame) OUT： b d e Utah 0.204708 0.478943 0.519439 Ohio 0.555730 1.965781 1.393406 Texas 0.092908 0.281746 0.769023 Oregon 1.246435 1.007189 1.296221 f = lambda x: x.max() - x.min() frame.apply(f) OUT： b 1.802165 d 1.684034 e 2.689627 dtype: float64 def f(x): return pd.Series([x.min(), x.max()], index=[min, max]) frame.apply(f) b d e Utah -0.20 0.48 -0.52 Ohio -0.56 1.97 1.39 Texas 0.09 0.28 0.77 Oregon 1.25 1.01 -1.303.4 统计概述和计算
df = pd.DataFrame([[1.4, np.nan], [7.1, -4.5], [np.nan, np.nan], [0.75, -1.3]], index=[a, b, c, d], columns=[one, two]) df OUT: one two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 df.info() df.describe() <class pandas.core.frame.DataFrame> Index: 4 entries, a to d Data columns (total 2 columns): one 3 non-null float64 two 2 non-null float64 dtypes: float64(2) memory usage: 256.0+ bytes OUT： one two count 3.000000 2.000000 mean 3.083333 -2.900000 std 3.493685 2.262742 min 0.750000 -4.500000 25% 1.075000 -3.700000 50% 1.400000 -2.900000 75% 4.250000 -2.100000 max 7.100000 -1.3000003.5 数据读取
data = pd.read_csv(./dataset/HR.csv) data.info() out： <class pandas.core.frame.DataFrame> RangeIndex: 14999 entries, 0 to 14998 Data columns (total 10 columns): satisfaction_level 14999 non-null float64 last_evaluation 14999 non-null float64 number_project 14999 non-null int64 average_montly_hours 14999 non-null int64 time_spend_company 14999 non-null int64 Work_accident 14999 non-null int64 left 14999 non-null int64 promotion_last_5years 14999 non-null int64 sales 14999 non-null object salary 14999 non-null object dtypes: float64(2), int64(6), object(2) memory usage: 1.1+ MB data = pd.read_csv(./dataset/movielens/movies.dat, header=None, names=[name, types], sep=::, engine=python) data.head() OUT： name types 1 Toy Story (1995) Animation|Childrens|Comedy 2 Jumanji (1995) Adventure|Childrens|Fantasy 3 Grumpier Old Men (1995) Comedy|Romance 4 Waiting to Exhale (1995) Comedy|Drama 5 Father of the Bride Part II (1995) Comedy data = pd.read_excel(./dataset/my_excel.xlsx, sheet_name=1) data.head() ouput: date H1 H2 H3 0 2014-06-01 1 2 3 1 2014-06-02 2 3 4 2 2014-06-03 3 4 5 3 2014-06-04 4 5 6#4. Time- Series的香港云服务器操作
生成日期范围：
import pandas as pd pd.data_range(20190313,periods=10) OUT: DatetimeIndex([2019-03-13, 2019-03-14, 2019-03-15, 2019-03-16, 2019-03-17, 2019-03-18, 2019-03-19, 2019-03-20, 2019-03-21, 2019-03-22], dtype=datetime64[ns], freq=D)5. 绘图功能
ts = pd.DataFrame(np.random.randn(1000,4),index=pd.date_range(20180101,periods=1000),columns=list(abcd)) ts = ts.cumsum() ts.plot(figsize = (12,8)) plt.show()
亿华云服务器租用IT技术网香港云服务器IT资讯网企商汇益华科技源码库源码下载思维库全栈开发IT资讯网亿华科技云智核益强数据堂亿华云计算益华科技益强前沿资讯益强编程堂益强IT技术网亿华灵动编程之道云站无忧创站工坊运维纵横益强智未来智能时代益强科技多维IT资讯亿华互联益强编程舍极客码头亿华智造码上建站亿华智慧云益强资讯优选科技前瞻极客编程益华科技亿华云汇智坊益华IT技术论坛益强科技
- Copyright © 2025 Powered by Python数据分析，必须要求掌握Pandas大熊猫,创站工坊 滇ICP备2023006006号-44sitemap