Python进阶复习-Pandas库

使用场合

• Pandas库是基于Numpy库建立的
• 为数据添加标签、处理缺失值、分组和透视表方面Pandas更高效

对象创建

Series对象

• Series 是带标签的【默认是从0开始的数字】一维数据结构，类似于字典，可以用来表示一列数据。

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

0    1
1    2
2    3
3    4
4    5
dtype: int64
1
2
3
4
5
6

DataFrame对象

• DataFrame 是带标签的多维数据结构，类似于表格，可以用来表示多列数据。

# 创建 DataFrame 对象  
df = pd.DataFrame({'列 1': [1, 2, 3, 4, 5], '列 2': [6, 7, 8, 9, 10]})  
print(df)
1
2
3

   列 1  列 2
0    1    6
1    2    7
2    3    8
3    4    9
4    5   10
1
2
3
4
5
6

• 属性

1. index: DataFrame的行索引。
2. columns: DataFrame的列索引。
3. dtypes: DataFrame 的数据类型。
4. shape: DataFrame的行数和列数，返回一个元组 (rows, columns)。
5. size: DataFrame的行数和列数的乘积，返回一个整数。
6. values:返回 DataFrame 的全部数据，不包括索引。
7. iterrows():返回一个迭代器，可以遍历 DataFrame 的每一行。
8. itertuples():返回一个迭代器，可以遍历 DataFrame 的所有元组。
9. apply():对 DataFrame 的每一列应用一个函数。
10. agg():对 DataFrame 的每一列应用一个函数，返回一个新的 DataFrame。

Numpy与DataFrame

import numpy as np
import pandas as pd
arr = np.array([[1, 2, 3], [4, 5, 6]])  
df = pd.DataFrame(arr,index=["hang","zhou"],columns=["lie","zhou","ya"]) 
print(df) 
1
2
3
4
5

      lie  zhou  ya
hang    1     2   3
zhou    4     5   6
1
2
3

处理缺失值

1. 删除缺失值：使用dropna()函数，可以删除包含缺失值的行或列。例如：

import pandas as pd

data = {'A': [1, 2, None, 4], 'B': [None, 2, 3, 4]}  
df = pd.DataFrame(data)

# 删除包含缺失值的行  
df_no_na = df.dropna()

# 删除包含缺失值的列  
df_no_na = df.dropna(axis=1)  
1
2
3
4
5
6
7
8
9
10

2. 填充缺失值：使用fillna()函数，可以填充缺失值。可以使用指定的值、前一个值、后一个值、均值、中位数等方法。例如：

import pandas as pd

data = {'A': [1, 2, None, 4], 'B': [None, 2, 3, 4]}  
df = pd.DataFrame(data)

# 使用指定的值填充缺失值  
df_filled = df.fillna(value=0)

# 使用前一个值填充缺失值  
df_filled = df.fillna(method='ffill')

# 使用后一个值填充缺失值  
df_filled = df.fillna(method='bfill')

# 使用均值填充缺失值  
df_filled = df.fillna(method='mean')  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

分组

groupby() 函数

import pandas as pd

# 创建一个 dataframe 对象  
data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'A'],  
        'Value': [10, 20, 30, 40, 50, 60, 70, 80]}  
df = pd.DataFrame(data)

# 使用 groupby() 函数进行分组  
grouped = df.groupby('Category')

# 查看分组结果  
for name, group in grouped:  
    print(name)  
    print(group)  
1
2
3
4
5
6
7
8
9
10
11
12
13
14

A
  Category  Value
0        A     10
2        A     30
4        A     50
6        A     70
7        A     80
B
  Category  Value
1        B     20
3        B     40
5        B     60
1
2
3
4
5
6
7
8
9
10
11
12

apply（）函数

• pandas 库的 apply（） 函数用于对 DataFrame 或 Series 对象进行逐行或逐列的操作。它接受一个函数作为参数，并将该函数应用于对象的每个元素。apply 函数可以用于执行数据转换、计算、过滤等操作。

import pandas as pd

# 创建一个 DataFrame  
data = {'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}  
df = pd.DataFrame(data)

# 定义一个函数，用于将每个元素乘以 2  
def multiply_by_2(x):  
    return x * 2

# 使用 apply 函数  
result = df.apply(multiply_by_2)

print(result)  
1
2
3
4
5
6
7
8
9
10
11
12
13
14

执行结果：

   A   B  
0  2  10  
1  4  12  
2  6  14  
3  8  16  
1
2
3
4
5

透视表

• Pandas的透视表主要用于数据汇总和分析。当需要对大量数据进行快速汇总和分析时，可以使用透视表来完成。透视表可以将数据按照不同的维度进行分组，并计算每个分组的聚合数据，例如求和、平均值、计数等。

import pandas as pd

# 创建一个数据框  
data = {'A': [1, 2, 3, 4, 5],  
        'B': [10, 20, 30, 40, 50],  
        'C': [100, 200, 300, 400, 500]}  
df = pd.DataFrame(data)

# 创建透视表  
pivot_table = pd.pivot_table(df, values='C', index='A', columns='B', aggfunc='sum')

print(pivot_table)  
1
2
3
4
5
6
7
8
9
10
11
12

输出：

         B    sum  
A            
1        10  1100  
2        20  2100  
3        30  3100  
4        40  4100  
5        50  5100  
1
2
3
4
5
6
7