资源简介

(共13张PPT)
第四章
数据处理与应用
4.2.2 pandas数据处理
人生苦短
我用python
pandas处理数据
数据处理可以使用现成的软件或平台,也可以通过编写程序实现。Python语言丰富的标准模块和扩展库提供了许多高效灵活的函数,可以帮助我们较好地进行数据整理。
numpy
scipy
pandas
matplotlib
DateFrame数据结构
Series数据结构
在Python中引入pandas模块：
import pandas as pd
1. Series
Series是一维数组，由一个数组的数据和一个与数据关联的索引（index）,索引值默认是从0起递增的整数。
import pandas as pd
#导入pandas模块
s1 = pd.Series([3,4, 5, 6])
print(s1)
0 3
1 4
2 5
3 6
左列：index
右列：values
import pandas as pd
#导入pandas模块
s2 = pd.Series([“高二”,16, 180], index=["年级","年龄","身高"])
print(s2)
年级 高二
年龄 16
身高 180
左列：index
右列：values
for i in s2.index :
print(i)
运行结果：
年级
年龄
身高
for i in s2.values :
print(i)
运行结果：
高二
16
180
Series数据结构
Series数据结构
import pandas as pd
#导入pandas模块
s2 = pd.Series([“高二”,16, 180], index=["年级","年龄","身高"])
#通过索引赋值，改变s2中对象的值
s2[“身高”]=190
print(s2)
年级 高二
年龄 16
身高 190
DateFrame数据结构
DataFrame对象是一个二维表格,由1个索引列（index）和若干个数据列组成。其中，每列中的元素类型必须一致，而不同的列可以拥有不同的元素类型，由长度相等的列表或字典创建。
import pandas as pd
data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]}
#字典是无序的，因此需要通过columns指定列索引的排列顺序
df = pd.DataFrame(data,columns=["name","sex","aged"])
print(df)
index
columns中存放列标题，决定数据列输出的顺序，若columns不设置参数，默认列顺序为：name,sex,aged
import pandas as pd
data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]}
#字典是无序的，因此需要通过columns指定列索引的排列顺序
df = pd.DataFrame(data,columns=["aged","sex","name"])
print(df)
DateFrame数据结构
还可以通过导入二维数据文件创建DataFrame对象
pd.read_csv(文件名) 从csv文件导入数据
pd.read_excel(文件名) 从excel文件中导入数据
df.to_csv(文件名) 导入数据到csv文件
df.to_excel(文件名) 导入数据到excel文件
import pandas as pd
df=pd.read_excel("test.xlsx")
print(df)
test.xlsx
DateFrame数据结构
import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df)
for i in df.index: print(i) for i in df.columns: print(i) for i in df.values: print(i) df.T #行列转置
运行结果：
0
1
2
运行结果：
name
sex
aged
运行结果：
[‘王晓明’ ‘男’ 20]
[‘李静’ ‘女’ 19]
[‘田海’ ‘男’ 21 ]
DateFrame数据结构
查看DataFrame中的数据列：通过字典记法，属性检索 import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df)
#通过属性检索列 print(df.name) #通过字典记法检索列 print(df[“sex”]) #修改列内容
df.aged=[20,20,22]
print(df)
DateFrame数据结构
查看DataFrame中的数据行：通过索引查看指定行、通过布尔型数据选取满足条件的行 import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df)
#使用索引查看指定行 print(df[0:2]) #使用布尔型数据选择行 print(df[df[“sex”]==“女”]) #使用at[]精准定位
print(df.at[2,”name”])
DateFrame数据结构
DateFrame数据结构
import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df)
#添加一行数据 df_add=df.append({"name":"张亮","sex":"男","aged":17},ignore_index=True) print(df_add) #删除“sex”列 df_delc=df.drop(“sex”,axis=1) print(df_delc) #删除第1行
df_delr=df.drop(0)
print(df_delr)
append()/drop()不改变原有对象中的数据；del会永久删除原有数据
添加一列，并赋值
df[“height”]=[175,180,182]
DateFrame数据结构
#groupby()分组 #mean()计算平均值 g=df.groupby(“地区”，as_index=False) print(g.mean()) --------------or----------- g=df.groupby(“地区”，as_index=False).mean() #按价格降序排序
df_sort=df.sort_values(“价格”，ascending=False)
print(df_sort)
1.按索引排序 sort_index()
2.按值排序 sort_values()
参数：axis=0(默认)为纵向排序，axis=1为横向排序；
参数：ascending=True(默认)为升序，ascending=False降序
排序结果返回一个新对象
课堂小结
import 模块名1 [as 别名1]…
from 模块名 import 成员名1 [as 别名1]，…
pandas数据结构
Series（序列）
DataFrame（数据框）

展开更多......

收起↑