Python数据分析之pandas入门

一、pandas库简介

pandas是一个专门用于数据分析的开源Python库，目前很多使用Python分析数据的专业人员都将pandas作为基础工具来使用。pandas是以Numpy作为基础来设计开发的，Numpy是大量Python数据科学计算库的基础，pandas以此为基础，在计算方面具有很高的性能。pandas有两大数据结构，这是pandas的核心，数据分析的所有任务都离开它们，分别是Series和DataFrame。

 

二、pandas库的安装

paandas安装较为简单，如果使用Anaconda的话，就在终端输入命令 “conda install pandas” 就能安装；如果电脑安装了pip的话，就在终端输入命令 “pip install pandas” 就能安装成功。安装完成后，可以在终端输入 “import pandas as pd” ，测试pandas是否安装成功。

 

三、Series的使用

Series用来表示一维数据结构，跟数组类似，它由两个相关联的数组组成，其中一个叫index的数组用来存储标签，这些标签与另一个数组中的元素一一对应。如下图所示：

声明Series对象时，需要调用Series()构造函数，并传入一个数组作为Series的主数组，比如：

import pandas as pd
ser=pd.Series([12,33,55,66])
print(ser)

'''输出为
0    12
1    33
2    55
3    66
dtype: int64
'''

运行上面的代码，可以知道，如果不指定标签，那么默认标签就是从0开始递增，我们也可以在声明一个Series对象时给它指定标签：

import pandas as pd
ser=pd.Series([12,33,55,66],index=['a','s','d','f'])
print(ser)

'''输出为：
a    12
s    33
d    55
f    66
dtype: int64
'''

我们可以通过Series的index很方便得到其内部元素，或者为某元素赋值：

import pandas as pd
ser=pd.Series([12,33,55,66])
print(ser[2])
ser[2]=99
print(ser[2])

'''输出为：
55
99
'''

Series对象可以进行运算，比如加减乘除，也可以使用Numpy中的数学函数来对它进行计算：

import pandas as pd
ser=pd.Series([12,33,55,66])
ser2=ser/2
print(ser2)

import numpy as np
print(np.log(ser))

'''输出为：
0     6.0
1    16.5
2    27.5
3    33.0
dtype: float64
0    2.484907
1    3.496508
2    4.007333
3    4.189655
dtype: float64
'''

从上面可以看出，Series对象似乎跟字典很相似，我们可以把Series对象当作字典来使用，我们在创建Series对象时，将创建好的字典传入Series的构造函数即可，这样字典的键就组成了索引数组，每个索引对应的元素就是字典中对应的值：

import pandas as pd
dic={'wife':'kathy','son':'mary','mother':'lily','father':'tom'}
ser=pd.Series(dic)
print(ser)

'''输出为：
wife      kathy
son        mary
mother     lily
father      tom
dtype: object
'''

四、DataFrame的使用

DataFrame这种数据结构针对的是多维数据，由按一定顺序排列的多列数据组成，列之间的数据类型会不同，如下图所示：

从图中可以看出，DataFrame对象有两个索引数组，第一个数组index与行相关，这与Series相似，每个index标签与所在行的所有元素相关联。它的第二个数组包含一系列标签，每个标签下包含一列数据。可以将DataFrame理解为由多个Series对象组成的字典，每一列的名称为字典的键，Series作为字典的值。

创建DataFrame对象的常用方法就是传递一个字典对象给DataFrame()构造函数：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
print(frame)

'''输出为：
   name  age sex
0   tom   14   男
1  mary   15   男
2  john   77   女
3  mike   45   男
'''

跟Series对象类似。DataFrame如果没有明确指定标签，那么它的默认标签也是从0开始递增。如果我们想知道DataFrame对象所有列的名称，则调用columns属性就可以了，获取索引列表的话就调用index属性，调用values属性将获取所有的元素。可以给DateFrame对象添加列：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
frame['weight']=[89,99,145,123]
print(frame)

'''输出为：
   name  age sex  weight
0   tom   14   男      89
1  mary   15   男      99
2  john   77   女     145
3  mike   45   男     123
'''

在数据处理中，有有时也会用到DataFrame的转置操作，即把行变为列，列变为行，调用DataFrame的T属性即可完成转置：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
print(frame.T)

'''输出为：
        0     1     2     3
name  tom  mary  john  mike
age    14    15    77    45
sex     男     男     女     男
'''

五、Series与DataFrame对象之间的运算

pandas允许Series对象与DataFrame对象进行运算，定义Series和DataFrame对象时，把Series对象的索引和DataFrame的列名称保持一致：

import pandas as pd
import numpy as np
frame=pd.DataFrame(np.arange(16).reshape((4,4)),index=['age','name','sex','weight'],columns=['john','tom','mary','cathy'])
print(frame)
ser=pd.Series(np.arange(4),index=['john','tom','mary','cathy'])
print(ser)
res=frame-ser
print(res)

'''输出为：
        john  tom  mary  cathy
age        0    1     2      3
name       4    5     6      7
sex        8    9    10     11
weight    12   13    14     15

john     0
tom      1
mary     2
cathy    3
dtype: int32

        john  tom  mary  cathy
age        0    0     0      0
name       4    4     4      4
sex        8    8     8      8
weight    12   12    12     12
'''

可以看出，DataFrame对象的各元素分别减去了Series对象中索引与之相同的元素，DataFrame对象每一列的所有元素都执行了减法操作。