Python怎么使用Pandas庫

小編給大家分享一下Python怎么使用Pandas庫，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

1、概述

Pandas 是Python的核心數據分析支持庫，提供了快速、靈活、明確的數據結構，旨在簡單、直觀地處理關系型、標記型數據。Pandas常用于處理帶行列標簽的矩陣數據、與 SQL 或 Excel 表類似的表格數據，應用于金融、統計、社會科學、工程等領域里的數據整理與清洗、數據分析與建模、數據可視化與制表等工作。

數據類型：Pandas 不改變原始的輸入數據，而是復制數據生成新的對象，有普通對象構成的一維數組成為Series，由Series構成的二維數組表稱為DataFrame，其行被稱為index，列為Colum。

安裝：如果使用anaconda集成環境則會自動安裝numpy、scipy、pandas等數據科學包，也可以通過python包管理工具安裝pandas：

pip install pandas

2、數據對象的創建

通過Series()函數包裹一維數組可以創建Series對象，其中數組的元素可以是各種類型。

通過DataFrame()函數包裹二維數組可以創建一個DataFrame對象，可以通過參數index、columns指定行標簽和列標簽。也可以通過python的字典類型初始化DataFrame，其鍵名默認為列標簽

import pandas as pd
import numpy as np
 
# 通過一維數組初始化Series
s = pd.Series([1, 2.0, np.nan, 'test'])
print(s)
 
# 通過二維數組初始化DataFrame
arr = np.random.randn(6, 4)
arr_df = pd.DataFrame(arr, index=np.arange(1, 7), columns=list('ABCD'))
print(arr_df)
# 通過字典dict初始化DataFrame
dic = {'A': 1.,
    'B': pd.Timestamp('20130102'),
    'C': pd.Series(1, index=list(range(4)), dtype='float32'),
    'D': np.array([3] * 4, dtype='int32'),
    'E': pd.Categorical(["test", "train", "test", "train"])
    }
dic_df = pd.DataFrame(dic)
print(dic_df)

其運行結果如下：

# Series數據
0    1
1    2
2   NaN
3  test
dtype: object
# 二維數組的DataFrame
     A     B     C     D
1 -0.085417 -0.816502 1.495134 -0.277742
2 1.657144 -0.203346 0.631930 -1.182239
3 -2.303923 -0.535696 1.315379 0.129682
4 0.133198 -0.239664 -2.004494 0.119965
5 -1.454717 2.114255 -0.538678 -0.580361
6 -0.759183 0.141554 -0.243270 2.840325
# dict字典DataFrame
   A     B  C D   E
0 1.0 2013-01-02 1.0 3  test
1 1.0 2013-01-02 1.0 3 train
2 1.0 2013-01-02 1.0 3  test
3 1.0 2013-01-02 1.0 3 train

3、查看數據

函數head(n)可以查看DataFrame前n行的數據，tail(n)查看倒數n行的數據

index()查看DataFrame的行標簽，columns顯示列標簽

describe()按列顯示數據的統計信息，包括計數、均值、方差、最小最大值等。

函數mean()顯示所有列的均值，mean(1)顯示所有行的均值

sum()求所有列的均值，sum(1)求所有行的均值

DataFrame有一個empty屬性用于判斷是否為空，若為空則返回True

arr = np.random.randn(6, 4)
df = pd.DataFrame(arr, index=np.arange(1, 7), columns=list('ABCD'))
print(df.head(3))
print(df.index)
print(df.describe())

結果如下

# 查看前三行數據
A     B     C     D
1 3.260449 -0.619396 0.070877 1.586914
2 -0.529708 0.071917 -1.919316 1.845727
3 -1.005765 2.176579 -0.323483 -1.295067
# 查看行標簽
Int64Index([1, 2, 3, 4, 5, 6], dtype='int64')
# 查看統計信息
       A     B     C     D
count 6.000000 6.000000 6.000000 6.000000
mean -0.184606 -0.487184 0.079433 0.855810
std  1.721394 1.800460 1.379498 1.128764
min  -1.443635 -3.091446 -1.919316 -1.295067
25%  -0.967105 -1.430192 -0.281188 0.778729
50%  -0.694488 -0.273739 -0.041713 1.150944
75%  -0.531744 0.197755 0.355731 1.508475
max  3.260449 2.176579 2.352142 1.845727

4、數據的選擇

可以直接通過DataFrame對象選取列或者行，

# 選取一個列A，等價于df['A']
print(df.A)
# 選取第1到第3行，行下標從0開始
print(df[1:3])
 
'''
# 標簽為A的那一列
1  0.644427
2  0.643149
3  1.374668
4  -0.154465
5  -0.338085
6  -1.989284
Name: A, dtype: float64
# 第1~3行
     A     B     C     D
2 0.643149 1.769001 -0.166028 -0.036854
3 1.374668 -0.118593 -0.202222 0.308353
'''

通過loc[]方法可以通過標簽對DataFrame的一行、一列、幾行幾列或者是某個具體的值進行選擇

# 取出行標簽為2的那一行
print(df.loc[2])
# 取出行標簽為1~3，列標簽為'A','B'的內容
print(df.loc[1:3, ['A', 'B']])
# 獲取行標簽為1，列標簽為'A'的具體值，等價于df.at[1,'A']
print(df.loc[1, 'A'])
 
'''
# 標簽為2的一行
A  0.681469
B  -0.053046
C  -1.384877
D  -0.447700
Name: 2, dtype: float64
# 標簽為1~3，列標簽為'A','B'的內容
     A     B
1 0.710907 -0.950896
2 0.681469 -0.053046
3 0.781981 0.123072
# 行標簽為1，列標簽為'A'的具體值
0.7109074858947351
'''

除了通過行列標簽來進行取值以外，還可以通過行列的數組的位置進行取值，其方法名為iloc[]

# 取出第一行，行下標從0開始
print(df.iloc[0])
# 顯示第1，2，4行的第0，2列
print(df.iloc[[1, 2, 4], [0, 2]])
# 顯示第1行第1列的具體值，等價于df.iat[1,1]
print(df.iloc[1, 1])

還可以在選擇時對數據進行過濾

# 輸出A那一列大于0的所有行
print(df[df.A > 0])
df['E'] = ['one', 'one', 'two', 'three', 'four', 'three']
# 輸出E那一列存在two、four的所有行
print(df[df['E'].isin(['two', 'four'])])
 
'''
     A     B     C     D
3 0.168998 -0.732362 -0.098542 0.413128
5 0.513677 -0.163231 -0.098037 -0.606693

     A     B     C     D   E
3 0.168998 -0.732362 -0.098542 0.413128  two
5 0.513677 -0.163231 -0.098037 -0.606693 four
'''

5、操作數據

通過insert()方法可以實現在指定位置插入一列，也可以直接將一個數組賦值給DataFrame，這將默認添加到最后一列

可以通過之前的選擇方法loc、iloc找到指定的行列，然后直接賦值，如果該位置存在數據則會修改，否則添加

通過drop()方法刪除指定的數據，index屬性指定刪除的行，columns指定刪除的列，inplace屬性是否在原數據集上操作，默認為False，此時需要一個變量來接收刪除后的結果

df = pd.DataFrame(data = [['lisa','f',22],['joy','f',22],['tom','m','21']],
         index = [1,2,3],columns = ['name','sex','age'])
citys = ['ny','zz','xy']
#在第0列，加上column名稱為city，值為citys的數值。
df.insert(0,'city',citys)
jobs = ['student','AI','teacher']
# 默認在df最后一列加上column名稱為job，值為jobs的數據。
df['job'] = jobs
# 若df中沒有index為“4”的這一行的話，則添加，否則修改
df.loc[4] = ['zz', 'mason', 'm', 24, 'engineer']
print(df)
# 刪除行標簽為1的行
dp=df.drop(index=1)
print(dp)
# 在原數據集上刪除列標簽為sex的列
df.drop(columns=['sex'],inplace=True)
print(df)

結果如下：

# 添加后的數據
 city  name sex age    job
1  ny  lisa  f 22  student
2  zz  joy  f 22    AI
3  xy  tom  m 21  teacher
4  zz mason  m 24 engineer
# 刪除第一行
 city  name sex age    job
2  zz  joy  f 22    AI
3  xy  tom  m 21  teacher
4  zz mason  m 24 engineer
# 刪除sex列
 city  name age    job
1  ny  lisa 22  student
2  zz  joy 22    AI
3  xy  tom 21  teacher
4  zz mason 24 engineer

對DataFrame進行轉置操作，調用.T

sort_index(axis=1, ascending=False)對數據進行排序，axis=0代表按行標簽排序，axis=1代表按列標簽排序

sort_values(by='A')按某一列的值對數據進行排序，這里是按列標簽為A的

apply()函數對DataFrame的每一行應用函數

print(df.T)
si=df.sort_index(axis=1, ascending=False)
print(si)
sv=df.sort_values(by='A')
print(sv)
# 應用匿名函數，用每一列最大值減去最小值
df.apply(lambda x: x.max() - x.min())
print(df)
'''
# 數據轉置
     1     2     3     4     5     6
A -1.176180 -1.301768 0.907088 -1.528101 1.098978 -1.280193
B -0.461954 -0.749642 1.169118 -0.297765 0.531088 -0.999842
C -1.715094 -0.512856 0.511861 -0.247240 1.696772 -0.902995
D 1.336999 0.209091 2.254337 0.649625 -0.049886 -1.514815
# 按列標簽倒序
    D     C     B     A
1 1.336999 -1.715094 -0.461954 -1.176180
2 0.209091 -0.512856 -0.749642 -1.301768
3 2.254337 0.511861 1.169118 0.907088
4 0.649625 -0.247240 -0.297765 -1.528101
5 -0.049886 1.696772 0.531088 1.098978
6 -1.514815 -0.902995 -0.999842 -1.280193
# 按列A的值遞增對行排序
    A     B     C     D
4 -1.528101 -0.297765 -0.247240 0.649625
2 -1.301768 -0.749642 -0.512856 0.209091
6 -1.280193 -0.999842 -0.902995 -1.514815
1 -1.176180 -0.461954 -1.715094 1.336999
3 0.907088 1.169118 0.511861 2.254337
5 1.098978 0.531088 1.696772 -0.049886
# 函數的應用 
A  2.073961
B  2.671590
C  1.785291
D  0.000000
F  4.000000
dtype: float64
'''

panda的concat函數可以將兩個相同類型的DataFrame在行的維度上進行拼接

merge()函數可以將不同DataFrame按列拼接

append()函數可以在DataFrame的結尾追加

# 將第一行和最后一行拼接
print(pd.concat([df[:1], df[-2:-1]]))
# 將第4行追加到結尾
print(df.append(df.iloc[3]))
# 將兩個DataFrame按列拼接
df1 = pd.DataFrame({'row1': ['foo', 'bar'], 'row2': [1, 2]})
df2 = pd.DataFrame({'row1': ['foo', 'bar'], 'row3': [4, 5]})
print(pd.merge(df1, df2))
 
'''
# 按行拼接
     A     B     C     D
1 -0.527221 -0.754650 -2.385270 -2.569586
5 0.054059 1.443911 -0.240856 -1.501045
# 追加
     A     B     C     D
1 -0.527221 -0.754650 -2.385270 -2.569586
2 2.123332 -0.013431 -0.574359 -0.548838
3 -0.244057 -0.267805 1.089026 -0.022174
4 -0.789228 1.171906 0.526318 0.046655
5 0.054059 1.443911 -0.240856 -1.501045
6 0.756844 0.623305 -0.597299 0.034326
4 -0.789228 1.171906 0.526318 0.046655
# 按列拼接
 row1 row2 row3
0 foo   1   4
1 bar   2   5
'''

groupby函數可以數據按列進行分組，分組后的結果可以使用for循環進行迭代，迭代中每個分組是一個(index,DataFrame)元組，可以對其中的DataFrame作進一步操作。

stack()可以將多列的數據壓縮為兩列顯示

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar'],
          'B': ['one', 'two', 'one', 'three'],
          'C': np.random.randn(4),
          'D': np.random.randn(4)})
# 按A、B兩列進行分組
dg=df.groupby(['A', 'B'])
for (index,df) in dg:
    print(df)
# 壓縮
print(df.stack())
 
'''
# 按列分組
   A   B     C     D
3 bar three 0.802027 1.338614
   A  B     C     D
1 bar two -0.567295 0.608978
   A  B    C     D
0 foo one -0.17592 -0.191991
2 foo one -0.72258 0.711312
# 壓縮為兩列
0 A     foo
  B     one
  C   0.622471
  D   0.10633
1 A     bar
  B     two
  C   0.065516
  D  -0.844223
2 A     foo
  B     one
  C  0.0013226
  D   -1.3328
3 A     bar
  B    three
  C  -0.678077
  D   0.785117
dtype: object
'''

Pandas主要使用值np.nan來表示缺失的數據。可以使用dropna(how='any')方法來刪除所有存在空值的行，dropna(axis=1)刪除存在空值的列。fillna(value=x)用指定值x填充所有的空值。

6、其他

通過pandas可以便捷地從其他格式文件進行轉換

# 將DataFrame寫入csv文件
df.to_csv('foo.csv')
# 從csv文件讀數據
df = pd.read_csv('foo.csv')
# excel文件的讀寫
df = pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])
df.to_excel('foo.xlsx', sheet_name='Sheet1')

pandas提供了便捷的時間維度生成函數date_range()，第一個參數是起始時間，periods=生成的數量，freq=時間間隔，默認以天為單位

# 從2019年1月1日開始，以秒為單位，生成五個時間
rng = pd.date_range('1/1/2019', periods=5, freq='S')
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
print(ts)
 
'''
2019-01-01 00:00:01  161
2019-01-01 00:00:02  214
2019-01-01 00:00:03  110
2019-01-01 00:00:04  265
Freq: S, dtype: int32
'''

pandas結合matplot可以便捷地進行數據繪圖

ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
# 將數據追加到一個數組統一顯示
ts=ts.cumsum()
# 調用matplot繪制圖
ts.plot()

以上是“Python怎么使用Pandas庫”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！