Pandas统计分析基础

文章目录

• • 
    
• ​​概述​​
• ​​Series​​

• • 
    
• ​​创建​​
• ​​代码​​
  • 
    

• • 
    
• ​​创建​​
• ​​代码​​
  • 
    

• 
  

概述

Pandas是基于Numpy的数据分析模块。
提供了大量数据模型、数据集，数据分析环境

三种数据结构：
Series（一维数组，值序列，包含索引）,
DataFrame（二维数组，一组有序列，每列可以是不同类型，行、列索引，看做Series组成的字典）,
Panel（Excel的多表单Sheet）

Series

创建

代码

# 1.Series的创建
# 通过列表创建，左侧自动带有索引
import pandas as pd
obj = pd.Series([1, -2, 3, -4]) #仅有一个数组构成
print(obj)

0    1
1   -2
2    3
3   -4
dtype: int64

# 创建Series时指定索引
i = ["a", "c", "d", "a"]
v = [2, 4, 5, 7]
t = pd.Series(v, index = i, name = "col")
print(t)

a    2
c    4
d    5
a    7
Name: col, dtype: int64

# Series位置和标签的使用
val = [2, 4, 5, 6]
idx1 = range(10, 14)
idx2 = "hello the cruel world".split()

s0 = pd.Series(val)
s1 = pd.Series(val, index = idx1)
t = pd.Series(val, index = idx2)

print(s0.index)
print(s1.index)
print(t.index)
print(s0[0])
print(s1[10])
print('default:',t[0],'label:',t["hello"])

RangeIndex(start=0, stop=4, step=1)
RangeIndex(start=10, stop=14, step=1)
Index(['hello', 'the', 'cruel', 'world'], dtype='object')
2
2
default: 2 label: 2

# Series创建-通过字典
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah':5000}
obj3 = pd.Series(sdata)
print(obj3)

Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64

# 键值和指定的索引不匹配
sdata = {"a" : 100, "b" : 200, "e" : 300}
letter = ["a", "b", "c", "e"]
obj = pd.Series(sdata, index = letter)
print(obj)

a    100.0
b    200.0
c      NaN
e    300.0
dtype: float64

# 不同索引数据的自动对齐 运算
sdata = {"a": 1, "b" : 2, "c" : 3, "d" : 4}
obj1 = pd.Series(sdata)
states = ['d', 'b', 'a', 'c']
obj2 = pd.Series(sdata, index=states)
print(obj1+obj2)

a    2
b    4
c    6
d    8
dtype: int64

# 通过字典创建-Series索引的修改
obj = pd.Series([4, 7, -3, -2])
obj.index = ['b', 'ee', 'n', 'y']
print(obj)

b     4
ee    7
n    -3
y    -2
dtype: int64

DataFrame

创建

代码

# DataDFrame的创建
data = {
    'name':['张三', '李四', '王五', '小明'],
    'sex':['female', 'female', 'male', 'male'],
    'year':[2001, 2001, 2003, 2002],
    'city':['北京','上海','广州','北京']

}
df = pd.DataFrame(data)
print(df)

name     sex  year city
0   张三  female  2001   北京
1   李四  female  2001   上海
2   王五    male  2003   广州
3   小明    male  2002   北京

# DataFrame的索引
df1 = pd.DataFrame(data, columns= ['name', 'year', 'sex', 'city'], index=['a', 'b', 'c', 'd'])
print(df1)

name  year     sex city
a   张三  2001  female   北京
b   李四  2001  female   上海
c   王五  2003    male   广州
d   小明  2002    male   北京

# 创建时的空缺值
df2 = pd.DataFrame(data, columns=['name', 'year', 'sex', 'city', 'address'])
print(df2)

name  year     sex city address
0   张三  2001  female   北京     NaN
1   李四  2001  female   上海     NaN
2   王五  2003    male   广州     NaN
3   小明  2002    male   北京     NaN