Python数据分析之pandas学习 | 您所在的位置:网站首页 › excel文件新建的三种方法 › Python数据分析之pandas学习 |
Python中的pandas模块进行数据分析。 接下来pandas介绍中将学习到如下8块内容: 1、数据结构简介:DataFrame和Series 2、数据索引index 3、利用pandas查询数据 4、利用pandas的DataFrames进行统计分析 5、利用pandas实现SQL操作 6、利用pandas进行缺失值的处理 7、利用pandas实现Excel的数据透视表功能 8、多层索引的使用 一、数据结构介绍在pandas中有两类非常重要的数据结构,即序列Series和数据框DataFrame。Series类似于numpy中的一维数组,除了通吃一维数组可用的函数或方法,而且其可通过索引标签的方式获取数据,还具有索引的自动对齐功能;DataFrame类似于numpy中的二维数组,同样可以通用numpy数组的函数和方法,而且还具有其他灵活应用,后续会介绍到。 1、Series的创建序列的创建主要有三种方式: 1)通过一维数组创建序列import numpy as np, pandas as pd arr1 = np.arange(10) arr1 type(arr1) s1 = pd.Series(arr1) s1 type(s1) 2)通过字典的方式创建序列dic1 = {'a':10,'b':20,'c':30,'d':40,'e':50} dic1 type(dic1) s2 = pd.Series(dic1) s2 type(s2) 3)通过DataFrame中的某一行或某一列创建序列这部分内容我们放在后面讲,因为下面就开始将DataFrame的创建。 2、DataFrame的创建数据框的创建主要有三种方式: 1)通过二维数组创建数据框arr2 = np.array(np.arange(12)).reshape(4,3) arr2 type(arr2) df1 = pd.DataFrame(arr2) df1 type(df1) 2)通过字典的方式创建数据框以下以两种字典来创建数据框,一个是字典列表,一个是嵌套字典。 dic2 = {'a':[1,2,3,4],'b':[5,6,7,8], 'c':[9,10,11,12],'d':[13,14,15,16]} dic2 type(dic2) df2 = pd.DataFrame(dic2) df2 type(df2) dic3 = {'one':{'a':1,'b':2,'c':3,'d':4}, 'two':{'a':5,'b':6,'c':7,'d':8}, 'three':{'a':9,'b':10,'c':11,'d':12}} dic3 type(dic3) df3 = pd.DataFrame(dic3) df3 type(df3) 3)通过数据框的方式创建数据框df4 = df3[['one','three']] df4 type(df4) s3 = df3['one'] s3 type(s3) 二、数据索引index细致的朋友可能会发现一个现象,不论是序列也好,还是数据框也好,对象的最左边总有一个非原始数据对象,这个是什么呢?不错,就是我们接下来要介绍的索引。 在我看来,序列或数据框的索引有两大用处,一个是通过索引值或索引标签获取目标数据,另一个是通过索引,可以使序列或数据框的计算、操作实现自动化对齐,下面我们就来看看这两个功能的应用。 1、通过索引值或索引标签获取数据 s4 = pd.Series(np.array([1,1,2,3,5,8]))s4如果不给序列一个指定的索引值,则序列自动生成一个从0开始的自增索引。可以通过index查看序列的索引: s4.index现在我们为序列设定一个自定义的索引值: s4.index = ['a','b','c','d','e','f']s4序列有了索引,就可以通过索引值或索引标签进行数据的获取: s4[3]s4['e']s4[[1,3,5]]s4[['a','b','d','f']]s4[:4]s4['c':]s4['b':'e']千万注意:如果通过索引标签获取数据的话,末端标签所对应的值是可以返回的!在一维数组中,就无法通过索引标签获取数据,这也是序列不同于一维数组的一个方面。 2、自动化对齐如果有两个序列,需要对这两个序列进行算术运算,这时索引的存在就体现的它的价值了—自动化对齐. s5 = pd.Series(np.array([10,15,20,30,55,80]), index = ['a','b','c','d','e','f']) s5 s6 = pd.Series(np.array([12,11,13,15,14,16]), index = ['a','c','g','b','d','f']) s6 s5 + s6 s5/s6 由于s5中没有对应的g索引,s6中没有对应的e索引,所以数据的运算会产生两个缺失值NaN。注意,这里的算术结果就实现了两个序列索引的自动对齐,而非简单的将两个序列加总或相除。对于数据框的对齐,不仅仅是行索引的自动对齐,同时也会自动对齐列索引(变量名) 数据框中同样有索引,而且数据框是二维数组的推广,所以其不仅有行索引,而且还存在列索引,关于数据框中的索引相比于序列的应用要强大的多,这部分内容将放在数据查询中讲解。 三、利用pandas查询数据这里的查询数据相当于R语言里的subset功能,可以通过布尔索引有针对的选取原数据的子集、指定行、指定列等。我们先导入一个student数据集: student = pd.io.parsers.read_csv('C:\\Users\\admin\\Desktop\\student.csv')查询数据的前5行或末尾5行 student.head()student.tail()查询指定的行 student.ix[[0,2,4,5,7]] #这里的ix索引标签函数必须是中括号[]查询指定的列 student[['Name','Height','Weight']].head() #如果多个列的话,必须使用双重中括号也可以通过ix索引标签查询指定的列 student.ix[:,['Name','Height','Weight']].head()查询指定的行和列 student.ix[[0,2,4,5,7],['Name','Height','Weight']].head()以上是从行或列的角度查询数据的子集,现在我们来看看如何通过布尔索引实现数据的子集查询。 查询所有女生的信息 student[student['Sex']=='F']查询出所有12岁以上的女生信息 student[(student['Sex']=='F') & (student['Age']>12)]查询出所有12岁以上的女生姓名、身高和体重 student[(student['Sex']=='F') & (student['Age']>12)][['Name','Height','Weight']]上面的查询逻辑其实非常的简单,需要注意的是,如果是多个条件的查询,必须在&(且)或者|(或)的两端条件用括号括起来。 四、统计分析pandas模块为我们提供了非常多的描述性统计分析的指标函数,如总和、均值、最小值、最大值等,我们来具体看看这些函数: 首先随机生成三组数据 np.random.seed(1234) d1 = pd.Series(2*np.random.normal(size = 100)+3) d2 = np.random.f(2,4,size = 100) d3 = np.random.randint(1,100,size = 100) d1.count() #非空元素计算 d1.min() #最小值 d1.max() #最大值 d1.idxmin() #最小值的位置,类似于R中的which.min函数 d1.idxmax() #最大值的位置,类似于R中的which.max函数 d1.quantile(0.1) #10%分位数 d1.sum() #求和 d1.mean() #均值 d1.median() #中位数 d1.mode() #众数 d1.var() #方差 d1.std() #标准差 d1.mad() #平均绝对偏差 d1.skew() #偏度 d1.kurt() #峰度 d1.describe() #一次性输出多个描述性统计指标 必须注意的是,descirbe方法只能针对序列或数据框,一维数组是没有这个方法的 这里自定义一个函数,将这些统计描述指标全部汇总到一起: def stats(x):return pd.Series([x.count(),x.min(),x.idxmin(),x.quantile(.25),x.median(),x.quantile(.75),x.mean(),x.max(),x.idxmax(),x.mad(),x.var(),x.std(),x.skew(),x.kurt()],index = ['Count','Min','Whicn_Min','Q1','Median','Q3','Mean','Max','Which_Max','Mad','Var','Std','Skew','Kurt'])stats(d1)在实际的工作中,我们可能需要处理的是一系列的数值型数据框,如何将这个函数应用到数据框中的每一列呢?可以使用apply函数,这个非常类似于R中的apply的应用方法。 将之前创建的d1,d2,d3数据构建数据框: df = pd.DataFrame(np.array([d1,d2,d3]).T,columns=['x1','x2','x3'])df.head()df.apply(stats)非常完美,就这样很简单的创建了数值型数据的统计性描述。如果是离散型数据呢?就不能用这个统计口径了,我们需要统计离散变量的观测数、唯一值个数、众数水平及个数。你只需要使用describe方法就可以实现这样的统计了。 student['Sex'].describe()除以上的简单描述性统计之外,还提供了连续变量的相关系数(corr)和协方差矩阵(cov)的求解,这个跟R语言是一致的用法。 df.corr()关于相关系数的计算可以调用pearson方法或kendell方法或spearman方法,默认使用pearson方法。 df.corr('spearman')如果只想关注某一个变量与其余变量的相关系数的话,可以使用corrwith,如下方只关心x1与其余变量的相关系数: df.corrwith(df['x1'])数值型变量间的协方差矩阵 `df.cov()`如果你也喜欢编程,想通过学习Python获取更高薪资,这里我给大家分享一份Python爬虫学习资料,里面的内容都是适合零基础小白的笔记和资料,超多实战案例。 CSDN大礼包:全网最全《全套Python学习资料》免费分享🎁😝朋友们如果有需要的话,可以扫描下方二维码免费领取🆓 1️⃣零基础入门 ① 学习路线对于从来没有接触过Python的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。 ② 路线对应学习视频还有很多适合0基础入门的学习视频,有了这些视频,轻轻松松上手Python~ ③练习题每节视频课后,都有对应的练习题哦,可以检验学习成果哈哈! 因篇幅有限,仅展示部分资料 2️⃣国内外Python书籍、文档 ① 文档和书籍资料 3️⃣Python工具包+项目源码合集 ①Python工具包学习Python常用的开发软件都在这里了!每个都有详细的安装教程,保证你可以安装成功哦! ②Python实战案例光学理论是没用的,要学会跟着一起敲代码,动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。100+实战案例源码等你来拿! ③Python小游戏源码如果觉得上面的实战案例有点枯燥,可以试试自己用Python编写小游戏,让你的学习过程中增添一点趣味! 4️⃣Python面试题我们学会了Python之后,有了技能就可以出去找工作啦!下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。 5️⃣Python兼职渠道而且学会Python以后,还可以在各大兼职平台接单赚钱,各种兼职渠道+兼职注意事项+如何和客户沟通,我都整理成文档了。 上述所有资料 ⚡️ ,朋友们如果有需要 📦《全套Python学习资料》的,可以扫描下方二维码免费领取 🆓 |
CopyRight 2018-2019 实验室设备网 版权所有 |