1pandas介绍及安装

Pandas是什么？

Pandas是基于Numpy的一种工具，提供了高性能矩阵的运算，该工具是为了解决数据分析任务而创建的。也是贯穿整个Python数据分析非常核心的工具。

image.png

Pandas安装

直接在dos命令行中pip install pandas 即可。

Pandas涉及内容

基于 xlrd & xlwt 这2个库需要预先安装才能更好使用pandas

image.png

Pandas数据结构介绍

1. Series

Series是一种一维的数组型对象，它包含了一个值序列(values)，并且包含了数据标签，称为索引(index)。

Series参数

C:\Users\Ligang\Desktop>md pandas

C:\Users\Ligang\Desktop>cd pandas

C:\Users\Ligang\Desktop\pandas>jupyter notebook

进入jupyter notebook

import pandas as pd
pd.Series??

image.png

pd.Series(data=None,index=None,dtype=None,name=None,copy=False)
• data：创建数组的数据，可为array-like, dict, or scalar value
• index：指定索引
• dtype：数组数据类型
• name：数组名称
• copy：是否拷贝
data可为iterable, dict, or scalar value

一. 当data为数组

## 当data为数组
s1 = pd.Series([1,2,3,4,5])
s1
>>>out
0    1
1    2
2    3
3    4
4    5
dtype: int64

1.创建时指定索引

# 创建时指定索引
s2 = pd.Series([1,2,3,4,5], index=list('abcde'))
s2
>>>out
a    1
b    2
c    3
d    4
e    5
dtype: int64

2.索引可重复

# pandas 索引可重复
s3 = pd.Series([1,2,3,4,5], index=list('aacde'))
>>>out
a    1
a    2
c    3
d    4
e    5
dtype: int64

3.索引个数必须与值一致 否则报错

image.png

二 data 为dict

image.png

1，构建索引列表 以index指定为主

image.png

三 当data为scalar

image.png

数组的数据类型

指定数组数据类型

image.png

image.png

变更数组数据类型

设置数组名字：参数name

image.png

1，指定索引的名称

2，预览数据

# 预览数据
s9.head() # 默认取出前5行，对应指定n
s9.tail() # 默认取出后5行，对应指定n

image.png

显示全部数据

#显示所有行
pd.set_option('display.max_columns',None)
# 显示所有列
pd.set_option('display.max_rows',None)
#设置value的显示长度为100，默认为50
pd.set_option('max_colwidth',100)

image.png

总结

-pd.Series()
-data
-数组，ndarray
-列表 list
- 字典，它的key为对应index，value为对应的value
-dtype
- 指定数据类型
-name
-数组的名字

series索引值

series的索引与值
• s.index # 查看索引
• s.values # 查看值序列
• s.reset_index(drop=False) # 重置索引
• drop # 是否删除原索引 默认为否
注意
• 索引对象是不可变的，所以不能单个修改索引
Series索引与切片
• s['标签'] # 通过标签
• s['索引'] # 通过索引
• s.loc(标签) # 通过标签
• s.iloc(索引) # 通过索引

Series的索引及切片

1，创建s3
2，查看数据2的几种方式
3，将数据4更改为10

4，查看数据1和10的神器索引
5，产看连续数据1~3
6，布尔索引
7，标量运算
8，in判断的运用只能判断标签不能判断值

image.png

Series 运算

当s1与s2有共同索引时，共同索引位置对应位置运算 不对应位置填充NAN。

image.png