python pandas库的安装和创建


Posted in Python onJanuary 10, 2019

pandas 对于数据分析的人员来说都是必须熟悉的第三方库,pandas 在科学计算上有很大的优势,特别是对于数据分析人员来说,相当的重要。python中有了Numpy ,但是Numpy 还是比较数学化,还需要有一种库能够更加具体的代表数据模型,我们都非常的清楚在数据处理中EXCEL 扮演着非常重要的作用,表格的模式是数据模型最好的一种展现形式。

pandas 是对表格数据模型在python上的模拟,它有简单的像SQL 对数据的处理,能够方便的在python上实现。

pandas 的安装

pandas 在python上的安装同样的使用pip进行:

pip install pandas

pandas 创建对象

pandas 有两种数据结构:SeriesDataFrame

Series

Series 像python中的数据list 一样,每个数据都有自己的索引。从list创建 Series

>>> import pandas as pd
>>> s1 = pd.Series([100,23,'bugingcode'])
>>> s1
0   100
1   23
2 bugingcode
dtype: object
>>>

Series 中添加相应的索引:

>>> import numpy as np
>>> ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
>>> ts

在index中设置索引值是一个从1到366的值。

Series 的数据结构最像的是python中的字典,从字典中创建Series

sd = {'xiaoming':14,'tom':15,'john':13}
s4 = pd.Series(sd)

这时候可以看到Series 已经是自带索引index。

pandas 本身跟 python的另外一个第三方库Matplotlib 有很多的连接,Matplotlib 一个最经常用到的是用来展示数据的,如果还对Matplotlib 不了解的话,后面的章节会进行介绍,现在先拿过来直接用下,如果还没有安装的话,一样的用pip命令安装 pip install Matplotlib , 展示如下数据:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
ts.plot()
plt.show()

python pandas库的安装和创建

一个不规则的图形,在数据分析中,时间是一个重要的特性,因为很多数据都是跟时间是有关系的,销售额跟时间有关系,天气跟时间有关系。。。,在pandas 中也提供了关于时间的一些函数,使用date_range 生成一系列时间。

>>> pd.date_range('01/01/2017',periods=365)
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
    '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
    '2017-01-09', '2017-01-10',
    ...
    '2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25',
    '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29',
    '2017-12-30', '2017-12-31'],
    dtype='datetime64[ns]', length=365, freq='D')
>>>

之前我们的图形不规则,有一个原因是数据不是连续的,使用cumsum让数据连续:

如下:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))
ts = ts.cumsum()
ts.plot()
plt.show()

python pandas库的安装和创建

DataFrame

DataFrame 相当于Series 一维的一个扩展,是一种二维的数据模型,相当于EXcel表格中的数据,有横竖两种坐标,横轴很Series 一样使用index,竖轴用columns 来确定,在建立DataFrame 对象的时候,需要确定三个元素:数据,横轴,竖轴。

df = pd.DataFrame(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))
print df

数据如下:

A   B   C   D   E   F
2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907
2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200
2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074
2018-01-04 -0.818066 1.629542 -0.595451 0.910141 0.160980 0.306660
2018-01-05 2.008658 0.456592 -0.839597 1.615013 0.718422 -0.564584
2018-01-06 0.480893 0.724015 -1.076434 -0.253731 0.337147 -0.028212
2018-01-07 -0.672501 0.739550 -1.316094 1.118234 -1.456680 -0.601890
2018-01-08 -1.028436 -1.036542 -0.459044 1.321962 -0.198338 -1.034822

在数据分析的过程中,很常见的一种情况是数据直接从excel 或者cvs 过来,可以excel中读取数据到DataFrame ,数据在 DataFrame 中进行处理:

df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
print df

同样的有保存数据到excelto_excel

处理cvs数据的函数是:read_cvsto_cvs ,处理HDF5的函数为 read_hdfto_hdf

访问DataFrame 可以跟二位数组一样的访问方式:

print df['A']

带出横轴标签:

2018-01-01 0.712636
2018-01-02 -1.292799
2018-01-03 1.762894
2018-01-04 -0.818066
2018-01-05 2.008658
2018-01-06 0.480893
2018-01-07 -0.672501
2018-01-08 -1.028436

同样的可以指定某一个元素:

print df['A']['2018-01-01']

对数组进行切片出来,认清横轴和纵轴:

>>> import pandas as pd
>>> df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
>>> df[:][0:3]
     A   B   C   D   E   F
2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907
2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200
2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074
>>>

DataFrame 涉及的较多的函数,接下来会有更多的介绍。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python实现根据指定端口探测服务器/模块部署的方法
Aug 25 Python
编写Python脚本来获取mp3文件tag信息的教程
May 04 Python
python使用sqlite3时游标使用方法
Mar 13 Python
python库lxml在linux和WIN系统下的安装
Jun 24 Python
pandas dataframe的合并实现(append, merge, concat)
Jun 24 Python
Python画图高斯分布的示例
Jul 10 Python
python数据预处理之数据标准化的几种处理方式
Jul 17 Python
python 使用shutil复制图片的例子
Dec 13 Python
python matplotlib:plt.scatter() 大小和颜色参数详解
Apr 14 Python
三步解决python PermissionError: [WinError 5]拒绝访问的情况
Apr 22 Python
Python matplotlib可视化之绘制韦恩图
Feb 24 Python
分享7个 Python 实战项目练习
Mar 03 Python
Python绘制并保存指定大小图像的方法
Jan 10 #Python
解决Python plt.savefig 保存图片时一片空白的问题
Jan 10 #Python
Python使用pydub库对mp3与wav格式进行互转的方法
Jan 10 #Python
python利用ffmpeg进行录制屏幕的方法
Jan 10 #Python
Python3.6.2调用ffmpeg的方法
Jan 10 #Python
Django组件之cookie与session的使用方法
Jan 10 #Python
通过python的matplotlib包将Tensorflow数据进行可视化的方法
Jan 09 #Python
You might like
S900/ ETON E1-XM 收音机
2021/03/02 无线电
字符串长度函数strlen和mb_strlen的区别示例介绍
2014/09/09 PHP
php实现的发送带附件邮件类实例
2014/09/22 PHP
PHP也能干大事 随机函数
2015/04/14 PHP
PHP两个n位的二进制整数相加问题的解决
2018/08/26 PHP
CL vs ForZe BO5 第五场 2.13
2021/03/10 DOTA
jquery获取一组checkbox的值(实例代码)
2013/11/04 Javascript
JavaScript实现获取dom中class的方法
2015/02/09 Javascript
JavaScript返回当前会话cookie全部键值对照的方法
2015/04/03 Javascript
关于JS中prototype的理解
2015/09/07 Javascript
JavaScript中使用sencha gridpanel 编辑单元格、改变单元格颜色
2015/11/26 Javascript
AngularJS  $modal弹出框实例代码
2016/08/24 Javascript
JS简单实现无缝滚动效果实例
2016/08/24 Javascript
js基本算法:冒泡排序,二分查找的简单实例
2016/10/08 Javascript
[05:41]2014DOTA2西雅图国际邀请赛 小组赛7月10日TOPPLAY
2014/07/10 DOTA
使用Python编写简单的画图板程序的示例教程
2015/12/08 Python
python绘制条形图方法代码详解
2017/12/19 Python
Python实现上下班抢个顺风单脚本
2018/02/07 Python
利用python实现在微信群刷屏的方法
2019/02/21 Python
Python3爬楼梯算法示例
2019/03/04 Python
python 使用while循环输出*组成的菱形实例
2020/04/12 Python
Python urllib2运行过程原理解析
2020/06/04 Python
keras load model时出现Missing Layer错误的解决方式
2020/06/11 Python
python实现数据结构中双向循环链表操作的示例
2020/10/09 Python
CSS3实现彩色进度条动画的示例
2020/10/29 HTML / CSS
HTML5中的websocket实现直播功能
2018/05/21 HTML / CSS
FLOS美国官网:意大利高级照明工艺的传奇
2018/08/07 全球购物
如何清空Session
2015/02/23 面试题
经理秘书找工作求职信
2013/12/19 职场文书
活动总结格式
2014/08/30 职场文书
2015商场元旦促销活动策划方案
2014/12/09 职场文书
2014年污水处理厂工作总结
2014/12/19 职场文书
2015年学校综合治理工作总结
2015/07/20 职场文书
Python控制台输出俄罗斯方块移动和旋转功能
2021/04/18 Python
Python opencv缺陷检测的实现及问题解决
2021/04/24 Python
Python使用海龟绘图实现贪吃蛇游戏
2021/06/18 Python