Pandas是基于NumPy的一种工具,该工具是为了解决数据分析任务而创建的。

1、导入pandas

  import pandas as pd

2、pandas数据类型:

  1)Series:一维数据类型,其中每个元素都有一个标签

  2)DataFrame:二维数据类型,它可以存储各种不同类型的数据,每个元素都有自己的标签

3、Series对象的创建

  s = pd.Series([-1.234,2.354,1.256,-5.235])

    

  可以看到如果我们没有指定行索引,pandas将会默认给它创建0,1,2,...等作为行索引

  当然我们也可以给它指定行索引index,如下:

    

  注意上面两个例子中打印出来的的type,下面我们将其中一个数字改为字符串,这时候,它就不再是单纯的数字了,它的dtype就变成了object

    

  也就是说,我们可以指定dtype输出,如下,指定dtype为int,输出值就全部去掉小数部分,只打印出了整数部分的值:

    

  除了上面的以list创建Series外,还可以通过字典方式,常量值等来创建Series

     

4、Series对象的访问

  s.values:获取所有的值列表

  s.index:获取所有的行索引列表

  s['a'] :访问索引为'a'的元素

  s[0] : 访问第1个元素

  s[['a', 'b']]:访问索引为a和b的两个元素

  s[:2]:访问前两个元素

    

5、DataFrame对象的生成

  pd.DataFrame(data, index, column)

  data数据类型:列表嵌套的列表,列表组成的字典,Series组成的字典,字典组成的字典等

  index:行索引列表

  column:列索引列表

  行索引和列索引都可以为为空,pandas会自动以0,1,2,...等为它创建索引

  1)以列表嵌套列表的方式生成DataFrame,外层列表长度表示行数,内层列表最大长度表示列数

    

  2)以列表组成的字典,列表长度需要相同,将会默认以字典的key作为列索引

    

  3)Series组成的字典生成DataFrame

    

    

  以字典形式生成的DataFrame对象,会以key的并集作为列索引,index的并集作为行索引,不存在的赋值为NaN

6、DataFrame对象的读取

  df.index:获取行索引列表

  df.values:获取值列表

  df.columns:获取列索引列表

  

  df.a/ df['a']:获取列索引为first的元素

  

  df[0:1]:获取第一行元素

  df[:3]:获取前三行元素

  

  df.loc[:, :]:访问所有行,所有列元素

  df.loc[:, ['a', 'b']]:访问所有行,列为a和b的元素

  df.loc[['a'], ['b']]:访问行为a,列为b的元素

  

  df.iloc[:,:]:访问所有行,所有列元素

  df.iloc[0:2, :2]:访问前两行,前两列元素

  df.iloc[[0,2], 0:2]:访问第1行,第3行及前两列元素

  df.ix[:,:]:访问所有行,所有列元素

  df.ix[:2, ['a','b']]:访问前两行,列索引为a和b的元素

  df.ix[df.a>1, :2]:访问所有列索引为a的元素中,大于1的元素的行和前两列的元素

7、下面我们以股票交易数据为例来分析:

  我这里有一个csv格式的近两年来的股票数据( table.csv )

  

  1)读取csv文件

    df = pd.read_csv("C:\\Users\\admin\\Desktop\\table.csv",parse_dates=True, header=0,index_col=0,encoding="gb2312")

  2)数据内容查看方法:

    df.head(n):查看前n行数据

    df.tail(n):查看后n行数据

    df.columns:查看所有的索引列列表

    df.index:查看所有的行索引列表

    df.values:查看所有的值列表

    df.shape:查看行数和列数

    df.describe():查看基本信息,如总条数,最小值,最大值,平均数等

    df.info():可以查看有几条非空数据

    df.isnull():查看所有数据是否为空

    df[df.isnull().T.any()]:查看含有空元素的行

    df.fillna(method='bfill', axis=0, inplace=True):用下一行的数据替换掉NaN(用上一行method='ffill', 指定值替换用value=指定值)

  3、特殊值处理方法

    df.round(n):四舍五入,保留n位小数

    df.astype(type):按照指定的格式转换数值

      df.Volume.astype(int):将volume列的数值转换为int类型

    applymap:可以搭配lambda使用,做数据格式转换

      df.applymap(lambda x: '%0.2f' %  x):保留两位小数

      df.ix[:, ['Volume']].apply(lambda x: '%0.0f' % x):保留0位小数

    df[df.values==0]:查找值为0的数据

    df.loc[df.loc[:, high]==0, 'High'] = df.High.median():将High列为0的数值替换为High列的中间值

Pandas基础使用的更多相关文章

  1. 利用Python进行数据分析(12) pandas基础: 数据合并

    pandas 提供了三种主要方法可以对数据进行合并: pandas.merge()方法:数据库风格的合并: pandas.concat()方法:轴向连接,即沿着一条轴将多个对象堆叠到一起: 实例方法c ...

  2. 利用Python进行数据分析(9) pandas基础: 汇总统计和计算

    pandas 对象拥有一些常用的数学和统计方法.   例如,sum() 方法,进行列小计:   sum() 方法传入 axis=1 指定为横向汇总,即行小计:   idxmax() 获取最大值对应的索 ...

  3. 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作

    一.reindex() 方法:重新索引 针对 Series   重新索引指的是根据index参数重新进行排序. 如果传入的索引值在数据里不存在,则不会报错,而是添加缺失值的新行. 不想用缺失值,可以用 ...

  4. 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍

    一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析.它提供了大量高级的数据结构和对数据处理的方法. pandas 有两个主要的数据结构 ...

  5. Pandas基础学习与Spark Python初探

    摘要:pandas是一个强大的Python数据分析工具包,pandas的两个主要数据结构Series(一维)和DataFrame(二维)处理了金融,统计,社会中的绝大多数典型用例科学,以及许多工程领域 ...

  6. numpy&pandas基础

    numpy基础 import numpy as np 定义array In [156]: np.ones(3) Out[156]: array([1., 1., 1.]) In [157]: np.o ...

  7. Pandas 基础(1) - 初识及安装 yupyter

    Hello, 大家好, 昨天说了我会再更新一个关于 Pandas 基础知识的教程, 这里就是啦......Pandas 被广泛应用于数据分析领域, 是一个很好的分析工具, 也是我们后面学习 machi ...

  8. 基于 Python 和 Pandas 的数据分析(2) --- Pandas 基础

    在这个用 Python 和 Pandas 实现数据分析的教程中, 我们将明确一些 Pandas 基础知识. 加载到 Pandas Dataframe 的数据形式可以很多, 但是通常需要能形成行和列的数 ...

  9. python学习笔记(四):pandas基础

    pandas 基础 serise import pandas as pd from pandas import Series, DataFrame obj = Series([4, -7, 5, 3] ...

  10. 数据分析02 /pandas基础

    数据分析02 /pandas基础 目录 数据分析02 /pandas基础 1. pandas简介 2. Series 3. DataFrame 4. 总结: 1. pandas简介 numpy能够帮助 ...

随机推荐

  1. WebRTC 简介及服务搭建、测试

    WebRTC主要解决如下三个问题 1.获取音频和视频. 可以访问输入设备,如话筒.(网络)摄像机(头),可以从上述设备获取媒体数据流.目前需要硬件设备支持VP8/VP9,如果设备仅仅支持H.264/H ...

  2. java生成UUID

    UUID介绍: UUID(Universally Unique Identifier)全局唯一标识符,是指在一台机器上生成的数字,它保证对在同一时空中的所有机器都是唯一的.按照开放软件基金会(OSF) ...

  3. Mysql内置优化工具show profiles

    一.概述: Mysql的explain工具目前还没有Oracle的explain plan工具那么强大,但是结合show profiles工具可以实现相似的效果.show profiles语句用于在当 ...

  4. SSM 框架 ---项目整合

    一.SSM框架理解 Spring(业务层) Spring就像是整个项目中装配bean的大工厂,在配置文件中可以指定使用特定的参数去调用实体类的构造方法来实例化对象. Spring的核心思想是IoC(控 ...

  5. java 一个实例

     this 代替

  6. IDEA: Call Hierarchy

    在日常开发中,查看某个方法.字段可能被用在哪些地方.这个是个很常见的操作. 例如,在使用Eclipse时,选择方法后,右键菜单里选择 show call hierarchy,即可查看有哪些地方调用了这 ...

  7. sqli-labs第一节 get-字符型注入

    https://blog.csdn.net/sherlock17/article/details/64454449   1.SQL注入漏洞的几种判断方法 ①http://www.heetian.com ...

  8. 【算法】LeetCode算法题-Merge Two Sorted List

    这是悦乐书的第148次更新,第150篇原创 01 看题和准备 今天介绍的是LeetCode算法题中Easy级别的第7题(顺位题号是21).合并两个已排序的链表并将其作为新链表返回. 新链表应该通过拼接 ...

  9. June 15. 2018 Week 24th Friday

    If at first you don't succeed, then dust yourself off and try again. 失败了没关系,重振旗鼓,从头再来. From Aaliyah, ...

  10. JavaScript数据类型之布尔类型

    引言 布尔值指代真或假.开或关.是或否.这个类型只有两个值,保留字true和false.JavaScript程序中的比较语句的结果通常都是布尔值.布尔值通常用于JavaScript中的控制结构中. 真 ...