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 subprocess模块学习总结
Mar 13 Python
跟老齐学Python之有容乃大的list(2)
Sep 15 Python
python数据类型判断type与isinstance的区别实例解析
Oct 31 Python
关于Django显示时间你应该知道的一些问题
Dec 25 Python
PyTorch快速搭建神经网络及其保存提取方法详解
Apr 28 Python
Python异常处理操作实例详解
May 10 Python
Python笔记之facade模式
Nov 20 Python
python实现高斯投影正反算方式
Jan 17 Python
Pycharm中安装Pygal并使用Pygal模拟掷骰子(推荐)
Apr 08 Python
python打开音乐文件的实例方法
Jul 21 Python
聊聊python中的异常嵌套
Sep 01 Python
教你怎么用Python实现GIF动图的提取及合成
Jun 15 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
yii框架源码分析之创建controller代码
2011/06/28 PHP
php命令行使用方法和命令行参数说明
2014/04/08 PHP
自定义session存储机制避免会话保持问题
2014/10/08 PHP
PHP转盘抽奖接口实例
2015/02/09 PHP
PHP合并两个或多个数组的方法
2019/01/20 PHP
jquery 模拟雅虎首页的点击对话框效果
2010/04/11 Javascript
JQuery Ajax通过Handler访问外部XML数据的代码
2010/06/01 Javascript
在javaScript中关于submit和button的区别介绍
2013/10/20 Javascript
用队列模拟jquery的动画算法实例
2015/01/20 Javascript
javascript实现对表格元素进行排序操作
2015/11/18 Javascript
详解JS-- 浮点数运算处理
2016/11/28 Javascript
JavaScript实现格式化字符串函数String.format
2016/12/16 Javascript
bootstrap为水平排列的表单和内联表单设置可选的图标
2017/02/15 Javascript
vue 2.x 中axios 封装的get 和post方法
2018/02/28 Javascript
web页面和微信小程序页面实现瀑布流效果
2018/09/26 Javascript
微信小程序 拍照或从相册选取图片上传代码实例
2019/08/28 Javascript
javascript实现点亮灯泡特效示例
2019/10/15 Javascript
使用Python开发windows GUI程序入门实例
2014/10/23 Python
python使用opencv读取图片的实例
2017/08/17 Python
python使用pyqt写带界面工具的示例代码
2017/10/23 Python
python实现百万答题自动百度搜索答案
2018/01/16 Python
Python爬虫框架Scrapy基本用法入门教程
2018/07/26 Python
python读取word文档,插入mysql数据库的示例代码
2018/11/07 Python
对json字符串与python字符串的不同之处详解
2018/12/19 Python
对Pytorch中nn.ModuleList 和 nn.Sequential详解
2019/08/18 Python
PyTorch之nn.ReLU与F.ReLU的区别介绍
2020/06/27 Python
python 用pandas实现数据透视表功能
2020/12/21 Python
HTML5应用之文件上传
2016/12/30 HTML / CSS
英国第一豪华护肤品牌:Elemis
2017/10/12 全球购物
护理专业学生的求职信范文
2013/12/11 职场文书
2014年消防工作实施方案
2014/02/20 职场文书
酒店管理毕业生自我鉴定
2014/03/02 职场文书
学历公证书范本
2014/04/09 职场文书
六查六看心得体会
2014/10/14 职场文书
初中家长评语大全
2014/12/26 职场文书
2015年幼儿园班主任工作总结
2015/05/12 职场文书