python|python数据分析的钥匙——pandas库

目录
一. 关于pandas库:
二. pandas库的安装
三. pandas的两种基本数据结构——Series 与 DataFrame
3.1 Series主要用于存储一个序列这样一种数据:
3.2DataFrame作为更复杂的数据结构,则用于存储多维数据:
3.3 Series 和 DataFrame 知识总结
四. pandas库的应用
4.1 pandas数据读写:
【python|python数据分析的钥匙——pandas库】4.2 pandas数据处理
4.2.1 数据准备
4.2.2 数据转换
4.2.3 数据聚合

5. 总结

一. 关于pandas库: pandas库是一个专门用来解决数据分析的库,主要有以下两大优势:
1)速度快:快速处理大型数据集;
2)效率高:提供大量高效处理数据的函数和方法;
二. pandas库的安装 1.打开命令行
 按住快捷键:Win+R,即可打开“运行”窗口,在“运行”窗口中输入:cmd,回车,即可打开命令行。
python|python数据分析的钥匙——pandas库
文章图片

2.执行安装命令
在命令行中输入命令:python install pandas,回车。等待,即可安装完成Pandas库。
python|python数据分析的钥匙——pandas库
文章图片

三. pandas的两种基本数据结构——Series 与 DataFrame 3.1 Series主要用于存储一个序列这样一种数据: Series 主要由一组数据及其对应的索引组成:
python|python数据分析的钥匙——pandas库
文章图片

# 插入pandas库,以pd代称 import pandas as pd#声明一个Series对象 datas = pd.Series([1,0,2,1,2,3], index = ['white','white','blue','green','green','yellow'])#找出Series对象中所有不同元素 unique_datas = datas.unique() #找出Series对象中所有不同元素并标记出现的次数 counts_datas = datas.value_counts()#判断所属关系,返回布尔值 isin_datas = datas.isin([0,3]) #判断所属关系,返回真实值 isin_datas1 = datas[datas.isin([0,3])]#Series对象可直接转化字典对象 mydict = {'red':2000, 'blue':1000, 'yellow':500, 'orange':1000} myseries = pd.Series(mydict)#Series对象之间的运算(只对共有的对象运算,其他的对象的值均为NAN) mydict1 = {'red':400, 'black':1000, 'yellow':1000, 'green':1000} myseries1 = pd.Series(mydict1) add_series = myseries + myseries1

python|python数据分析的钥匙——pandas库
文章图片
datas python|python数据分析的钥匙——pandas库
文章图片
unique_datas python|python数据分析的钥匙——pandas库
文章图片
counts_datas python|python数据分析的钥匙——pandas库
文章图片
isin_datas python|python数据分析的钥匙——pandas库
文章图片
isin_datas1 python|python数据分析的钥匙——pandas库
文章图片
myseries python|python数据分析的钥匙——pandas库
文章图片
add_series 3.2DataFrame作为更复杂的数据结构,则用于存储多维数据: DataFrame对象是?种表格型的数据结构,包含?索引、列索引以及?组数据 : python|python数据分析的钥匙——pandas库
文章图片

# 插入pandas库,以pd代称 import pandas as pddata = https://www.it610.com/article/{'color': ['blue', 'green', 'yellow', 'red', 'white'], 'object': ['ball', 'prn', 'pencil', 'paper', 'mug'], 'price': [1.2, 1.0, 0.6, 0.9, 1.7]}#声明一个DataFrame对象 frame = pd.DataFrame(data)#选取指定列 frame2 = pd.DataFrame(data, columns=['object','price'])#给与标签作为DataFrame的索引 index_frame = pd.DataFrame(data, index=['one', 'two', 'three', 'four', 'five'])

python|python数据分析的钥匙——pandas库
文章图片
frame python|python数据分析的钥匙——pandas库
文章图片
frame2 python|python数据分析的钥匙——pandas库
文章图片
index_frame python|python数据分析的钥匙——pandas库
文章图片
frame_T 3.3 Series 和 DataFrame 知识总结 python|python数据分析的钥匙——pandas库
文章图片

四. pandas库的应用 4.1 pandas数据读写: 数据读写对数据分析非常重要,所以pandas库也有一组被称为I/O API的函数:
这些函数被分为完全对称的两大类:读写函数和写入函数(以下以txt文件举例)
# 插入pandas库,以pd代称 import pandas as pd# 读取txt文件 datas = pd.read_csv('text.txt', sep ='\D+', header = None, encoding = ' utf-8') ''' 'text.txt'是文件相对路径 sep 是分隔符 header 指表头(header = None表示无表头,读取文件时自动生成表头) '''# 生成txt文件 datas.to_csv("result.xlsx") # 生成excel文件 datas.to_excel("result.xlsx")

4.2 pandas数据处理 数据处理可以分为3个阶段:数据准备,数据转换,数据聚合
4.2.1 数据准备
4.2.2 数据转换
4.2.3 数据聚合

5. 总结 以上就是今天要讲的内容,本文简单介绍了pandas库的知识及应用,而数据分析以可以以pandas库为基础进行更多方便有效的分析研究,本文还未完结,希望大家多多支持。
欢迎大家留言一起讨论问题~~~

    推荐阅读