pandas学习笔记

pandas是python中一个性能强大的数据处理库，能进行复杂的数据处理。

pandas的数据结构分为三种类型，分别为series,DataFrame和index,对于初学者而言，series和DataFrame这两种结构最为重要。

下面作者将重点介绍series和DataFrame这两部分。

series的介绍

series按照作者的目前的理解是pandas库中最基础的组成部分，seriers是由索引和数值做成，series很像c语言中的一维数组，两者都可以通过索引寻找对应的值。与C语言中的数组不同的是，series中的索引并不局限于整数，我们可以根据实际的需求进行自定义，举个例子它可以是字典中的键构成。对于series的值而言，它也可以是任意的数据类型，如整数，浮点数，字符串等。

这是一张关于series的图来帮助理解：

该图来源于：和鲸社区 
作者: 小王同学呼啦啦
来源: https://www.heywhale.com/mw/project/628705f944e6479fd8fc7f96
接下来说一下series的具体用法：

series的基本语法：Series(data,index,dtype,name,...)

data可以是由列表构成，也可以是由字典构成。（这个参数是必须的）

index你可以写，也可以不写，如果不写则默认为整数索引（如0，1，2...）

dtype是数据类型，同样也是可以不写，如果不写python解释器会自动判断类型。

name就是对这个series起个名字，类似于列名，这个同样也不是必须的。

下面展示具体的代码：

(数据为列表)

import pandas as pd
data=[21,20,18]
index=['小明','小明前女友','小明现女友']
df=pd.Series(data=data,index=index,name='小明历任女友')
print(df)

output:

小明       21
小明前女友    20
小明现女友    18
Name: 小明历任女友, dtype: int64

（数据为字典）

import pandas as pd
data={'小明':21,'小明前女友':20,'小明现女友':18}
df=pd.Series(data=data,name='小明历任女友')
print(df)

output:

小明       21
小明前女友    20
小明现女友    18
Name: 小明历任女友, dtype: int64 

 根据series的索引找值：

import pandas as pd
data={'小明':21,'小明前女友':20,'小明现女友':18}
df=pd.Series(data=data,name='小明历任女友')
value1=df['小明']
value2=df.iloc[0]
print(value1)
print(value2)

output:

21

21

下面介绍pandas最重要的一部分内容DataFrame

DataFrame这个数据结构可以理解为由n个series拼接而来，下面这个图可以非常形象地帮助我们理解DataFrame

按照笔者的理解DataFrame就像是c语言中二维数组，有行索引，也有列索引。

DataFrame的基本语法

DataFrame(data,index,column)

data即准备的数据

index即行索引，如果不写，默认为0，1，2等整数索引。

column即列索引，如果不写，同样默认为整数索引。 

import pandas as pd
data=[[85,95,100],[100,98,96],[85,78,98]]
index=['小明','小红','小绿']
column=['语文','数学','英语']
df=pd.DataFrame(data=data,index=index,columns=column)
print(df)

output:

        语文  数学   英语
小明   85  95  100
小红  100  98   96
小绿   85  78   98

下面介绍一下DataFrame常用数据处理的方法函数

.head()用于查看DataFrame的前五条数据

.tail()用于查看DataFrame的后五条数据

.describle()用于对数据进行一个初步的整体分析，使用后会显示以下数据:每一列的平均数(mean)，标准差(std)，最大值(max)，最小值(min)，不为空值的数据统计(count)，25%分位数，50%分位数，75%分位数

.max(),.min()里面可以设置参数，axis=0对列操作，axis=1对行操作

.sum()同样可以设置参数，axis=0对列操作，axis=1对行操作

下面为代码展示：
 

import pandas as pd
data=[[85,95,100],[100,98,96],[85,78,98]]
index=['小明','小红','小绿']
column=['语文','数学','英语']
df=pd.DataFrame(data=data,index=index,columns=column)
print(df.describe())

               语文         数学     英语
count    3.000000   3.000000    3.0
mean    90.000000  90.333333   98.0
std      8.660254  10.785793    2.0
min     85.000000  78.000000   96.0
25%     85.000000  86.500000   97.0
50%     85.000000  95.000000   98.0
75%     92.500000  96.500000   99.0
max    100.000000  98.000000  100.0

 axis=0

import pandas as pd
data=[[85,95,100],[100,98,96],[85,78,98]]
index=['小明','小红','小绿']
column=['语文','数学','英语']
df=pd.DataFrame(data=data,index=index,columns=column)
print(df.min(axis=0))

 语文    85
数学    78
英语    96
dtype: int64

axis=1

import pandas as pd
data=[[85,95,100],[100,98,96],[85,78,98]]
index=['小明','小红','小绿']
column=['语文','数学','英语']
df=pd.DataFrame(data=data,index=index,columns=column)
print(df.min(axis=1))

小明    85
小红    96
小绿    78
dtype: int64

 max，sum，mean也是同样的操作，笔者就不一一展示了。