python数据分析：介绍pandas库的数据类型Series和DataFrame

安装pandas

pip install pandas -i https://mirrors.aliyun.com/pypi/simple/

使用pandas

直接导入即可 import pandas as pd

pandas的数据结构

pandas提供了两种主要的数据结构：Series 和 DataFrame,类似于python提供list列表，dict字典，tuple元组等数据类型用于存储数据。

1. Series

Series 是一种一维的数组（类似于 Python 的列表），可以存储任何数据类型（整数、字符串、浮点数、Python对象等）。Series 是一种带有标签的数据结构，每个数据点都有一个索引。

创建 Series

创建的series结构，默认索引从0开始（像list的索引一样），但是可以指定索引。

1）从列表创建Series

import pandas as pd data = [1,2,3,4,5] s = pd.Series(data) print(s)

2）从字典创建 Series，键作为索引

import pandas as pd data_dict = {'a':1,'b':2,'c':3} s = pd.Series(data_dict) print(s)

3）指定索引创建Series

import pandas as pddata = [1,2,3,4,5] s = pd.Series(data, index=['a','b','c','d','e'])print(s)

Series的基本属性

values：返回 Series 中的数据值。
index：返回 Series 中的索引。
dtype：返回 Series 中数据的数据类型。
name：返回或设置 Series 的名称。

举例：定义一个series接口数据并指定索引和名称

data =[[1, 2, 3], [4, 5,6]]s = pd.Series(data, name='一维数组',index=['a','b'])print(f'值：{s.values}')print(f'索引：{s.index}')print(f'数据类型 {s.dtype}')print(f'名称 {s.name}')

2. DataFrame

DataFrame 是一个二维的表格数据结构，具有标记的轴（行和列）。其中每一列相当于一个Series。

创建 DataFrame

和Series结构一样默认索引从0开始，当然也可以指定索引。

1）从字典创建 DataFrame，字典的键是列名

import pandas as pddata_dict = {'name': ['lilei','lili','wanglei'],'age': [25,30,35],'city': ['shanghai','shenzhen','nanjing']} df = pd.DataFrame(data_dict)print(df)

2）从列表的列表创建DataFrame

data = [ ['lilei',25], ['lili',30], ['wanglei',35] ] df = pd.DataFrame(data, columns=['Name','Age']) print(df)

3）从Numpy 数组创建DataFrame并指定列名和索引

import numpy as np data = np.array([[1, 2], [3, 4], [5, 6]]) df = pd.DataFrame(data, columns=['A','B'],index=['a','b','c'])print(df)

Series和DataFrame数据的常用函数和功能

1）head(n)：返回前 n 个元素,默认返回前5个

2）tail(n)：返回后 n 个元素，默认返回后5个

3）unique()：返回 Series 中的唯一值（去掉重复的值）

4）isnull()：返回一个布尔 Series，指示每个值是否为 NaN

5）dropna()：删除所有 NaN值（numpy.nan）或者None值,返回一个新的数据

举例：定义一个series结构数据，打印下上面方法获取的数据

data = [1,2,3,4,5,[6,7],[8],None,{'a':10}] s = pd.Series(data) print(f'前3个元素\n{s.head(3)}') print(f'后3个元素\n{s.tail(3)}') print(f'判断是否为null\n{s.isnull()}')

举例：定义一个series结构数据，打印删除NaN值后的数据

import numpy as np data = [1,2,3,4,5,None,np.nan] s = pd.Series(data) new_s =s.dropna() print(f'删除NaN值\n{new_s}')

举例：定义一个series结构数据，打印去重后的数据

data=[1,2,3,4,5,4,5,6]s=pd.Series(data)print(f'唯一值{s.unique()}')

6）to_dict函数：将DataFrame数据转换为字典

字典的键和值对应的是列名和列值

举例：读取csv文件内容，并转换为字典

import pandas as pd dataframe = pd.read_csv("1.csv")print(dataframe)#将DataFrame数据格式转换为字典print(dataframe.to_dict())

结果如下：

7）选择列数据

import pandas as pd 
dataframe = pd.read_csv("1.csv")

选择某一列数据

print(dataframe[‘Name’])#选择Nmae这一列print(dataframe.age)#选择Age这一列#通过Ioc函数选择Name这一列print(dataframe.loc[:,['Name']])

返回的某一列的数据类型是一个Series类型，对某列数据可以做循环打印该列的值。

for i in dataframe.Name:print(i)

选择多列

#选择Nmae,age这两列print(dataframe[['Name','age']]) 
#通过loc()函数选择Name和age两列print(dataframe.loc[:,['Name','age']])

8）选择行数据

使用方式类似于list的切片操作

print(dataframe[0:3])#取前3行数据print(dataframe[-4:-2])#取倒数第4行和第5行print(dataframe[0:10:2])#取前10行中每2行取1个

通过iIoc函数获取多行数据

print(dataframe.iloc[:10,:])#取前10行数据

9）选择指定的行和列数据

通过Ioc函数取某些行和列数据

print(dataframe.loc[0:3,['Name']])print(dataframe.loc[0:3,['Name','age']])

10）按条件选择

举例：筛选age列大于25的数据

print(dataframe[dataframe.age > 25])

举例：筛选性别为男的数据

print(dataframe[dataframe.sex =='man'])

举例：筛选索引等于0的数据

print(dataframe[dataframe.index == 0])

举例：筛选性别为男并age大于25的数据

print(dataframe[(dataframe.sex =='man') & (dataframe.age > 25)])

举例：筛选年龄大于25的Name这一列的数据

print(dataframe[dataframe.age > 25].loc[:,['Name']])

11）sort_values函数：使用该函数进行排序

参数介绍

by：传入单个字符串或字符串列表（1个或者多个列名），表示按照列名进行排序。
axis：默认为0。0表示按列的值排序，1表示按行的值排序;一般不使用
ascending：布尔值或布尔值列表，默认为True。True表示升序排序，False表示降序排序。如果是一个列表，则列表中的每个元素对应by参数中每个列的排序顺序。
inplace：布尔值，默认为False。如果为True，则直接修改原DataFrame并返回None；如果为False，则返回一个新的排序后的DataFrame副本。
kind：排序算法的选择，默认为'quicksort'。其他选项包括'mergesort'和'heapsort'。对于大数据集，'quicksort'通常是最快的，但不一定是最稳定的。
na_position：{'first', 'last'}，默认为'last'。表示缺失值（NaN）应该被放在排序后的数组的开始还是结束。
ignore_index：布尔值，默认为False。如果为True，则结果DataFrame的索引将被重置为默认的整数索引。

测试代码：

1）按列排序（升序）

print(dataframe.sort_values(by='Name'))

print(dataframe.sort_values(by=['Name','age']))

2）按列排序（倒序）

print(dataframe.sort_values(by='age',ascending=False))

3）不同列排列顺序不同（比如第一列正序，第二列倒序）

print(dataframe.sort_values(by=['Name','age'],ascending=[True,False]))

12）insert函数：插入列数据

插入某一列数据，参数j介绍：

loc：传入整数，代表插入在第几列（0代表第1列）
column：列名
value：每列的值（单个值表示每一行值相同；传入列表，列表中的元素对应每一行的值）
allow_duplicates：为True表示允许列名重复，否则不允许

测试代码：

dataframe.insert(2,'area','China')dataframe.insert(3,'area',['China','America','korea','japan','China','America','korea','japan'],allow_duplicates=True)print(dataframe)

结果：