python pandas库的安装和创建

pandas 对于数据分析的人员来说都是必须熟悉的第三方库,pandas 在科学计算上有很大的优势,特别是对于数据分析人员来说,相当的重要。python中有了Numpy ,但是Numpy 还是比较数学化,还需要有一种库能够更加具体的代表数据模型,我们都非常的清楚在数据处理中EXCEL 扮演着非常重要的作用,表格的模式是数据模型最好的一种展现形式。

pandas 是对表格数据模型在python上的模拟,它有简单的像SQL 对数据的处理,能够方便的在python上实现。

pandas 的安装

pandas 在python上的安装同样的使用pip进行:

pip install pandas

pandas 创建对象

pandas 有两种数据结构:Series 和 DataFrame 。

Series

Series 像python中的数据list 一样,每个数据都有自己的索引。从list创建 Series。

>>> import pandas as pd

>>> s1 = pd.Series([100,23,'bugingcode'])

>>> s1

0 100

1 23

2 bugingcode

dtype: object

>>>

在Series 中添加相应的索引:

>>> import numpy as np

>>> ts = pd.Series(np.random.randn(365), index=np.arange(1,366))

>>> ts

在index中设置索引值是一个从1到366的值。

Series 的数据结构最像的是python中的字典,从字典中创建Series:

sd = {'xiaoming':14,'tom':15,'john':13}

s4 = pd.Series(sd)

这时候可以看到Series 已经是自带索引index。

pandas 本身跟 python的另外一个第三方库Matplotlib 有很多的连接,Matplotlib 一个最经常用到的是用来展示数据的,如果还对Matplotlib 不了解的话,后面的章节会进行介绍,现在先拿过来直接用下,如果还没有安装的话,一样的用pip命令安装 pip install Matplotlib , 展示如下数据:

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=np.arange(1,366))

ts.plot()

plt.show()

一个不规则的图形,在数据分析中,时间是一个重要的特性,因为很多数据都是跟时间是有关系的,销售额跟时间有关系,天气跟时间有关系。。。,在pandas 中也提供了关于时间的一些函数,使用date_range 生成一系列时间。

>>> pd.date_range('01/01/2017',periods=365)

DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',

'2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',

'2017-01-09', '2017-01-10',

...

'2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25',

'2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29',

'2017-12-30', '2017-12-31'],

dtype='datetime64[ns]', length=365, freq='D')

>>>

之前我们的图形不规则,有一个原因是数据不是连续的,使用cumsum让数据连续:

如下:

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))

ts = ts.cumsum()

ts.plot()

plt.show()

DataFrame

DataFrame 相当于Series 一维的一个扩展,是一种二维的数据模型,相当于EXcel表格中的数据,有横竖两种坐标,横轴很Series 一样使用index,竖轴用columns 来确定,在建立DataFrame 对象的时候,需要确定三个元素:数据,横轴,竖轴。

df = pd.DataFrame(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))

print df

数据如下:

A B C D E F

2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907

2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200

2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074

2018-01-04 -0.818066 1.629542 -0.595451 0.910141 0.160980 0.306660

2018-01-05 2.008658 0.456592 -0.839597 1.615013 0.718422 -0.564584

2018-01-06 0.480893 0.724015 -1.076434 -0.253731 0.337147 -0.028212

2018-01-07 -0.672501 0.739550 -1.316094 1.118234 -1.456680 -0.601890

2018-01-08 -1.028436 -1.036542 -0.459044 1.321962 -0.198338 -1.034822

在数据分析的过程中,很常见的一种情况是数据直接从excel 或者cvs 过来,可以excel中读取数据到DataFrame ,数据在 DataFrame 中进行处理:

df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')

print df

同样的有保存数据到excel 中 to_excel。

处理cvs数据的函数是:read_cvs 和 to_cvs ,处理HDF5的函数为 read_hdf 和 to_hdf 。

访问DataFrame 可以跟二位数组一样的访问方式:

print df['A']

带出横轴标签:

2018-01-01 0.712636

2018-01-02 -1.292799

2018-01-03 1.762894

2018-01-04 -0.818066

2018-01-05 2.008658

2018-01-06 0.480893

2018-01-07 -0.672501

2018-01-08 -1.028436

同样的可以指定某一个元素:

print df['A']['2018-01-01']

对数组进行切片出来,认清横轴和纵轴:

>>> import pandas as pd

>>> df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')

>>> df[:][0:3]

A B C D E F

2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907

2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200

2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074

>>>

DataFrame 涉及的较多的函数,接下来会有更多的介绍。

以上是 python pandas库的安装和创建 的全部内容, 来源链接: utcz.com/z/318774.html

回到顶部