Pandas 简介
Pandas 库基于 NumPy 构建，为 Python 编程语言提供易于使用的数据结构和数据分析工具。
使用以下约定导入 Pandas
import pandas as pd
帮助
help(pd.Series.loc)
Pandas 数据结构
序列（Series）
能够保存任何数据类型的一维标记数组
s = pd.Series([1, 3, 5, 7], index=['天', '地', '玄', '黄'])
# 左侧一列为索引
s
天 1 地 3 玄 5 黄 7 dtype: int64
数据框（DataFrame）
不同类型列的二维标记数据结构，类似 Excel 表格
上面一行为列名
左侧一列为索引
| - | 姓 | 名 | 民族 | 姓别 | 年龄 |
|---|---|---|---|---|---|
| 1 | 贾 | 小武 | 汉 | 男 | 3 |
| 2 | 贾 | 小久 | 汉 | 男 | 1 |
| 3 | 张 | 小鸭 | 汉 | 女 | - |
data = {'姓': ['贾', '贾', '张'],
'名': ['小武', '小久', '小鸭́'],
'民族': ['汉', '汉', '汉'],
'年龄': [3, 1, None]}
data
{'姓': ['贾', '贾', '张'], '名': ['小武', '小久', '小鸭́'], '民族': ['汉', '汉', '汉'], '年龄': [3, 1, None]}
df = pd.DataFrame(data, columns=['姓', '名', '年龄'])
df
| - | 姓 | 名 | 民族 | 姓别 | 年龄 |
|---|---|---|---|---|---|
| 1 | 贾 | 小武 | 汉 | 男 | 3 |
| 2 | 贾 | 小久 | 汉 | 男 | 1 |
| 3 | 张 | 小鸭 | 汉 | 女 | - |
文件 I / O
读写 CSV
pd.read_csv('file.csv', header=None, nrows=5)
df.to_csv('myDataFrame.csv')
读写 Excel
pd.read_excel('file.xlsx')
pd.to_excel('dir/myDataFrame.xlsx', sheet_name='Sheet1')
xlsx = pd.ExcelFile('file.xls')
df = pd.read_excel(xlsx, 'Sheet1')
读取数据库
from sqlalchemy import create_engine
engine = create_engine('sqlite:///:memory:')
pd.read_sql("SELECT * FROM my_table;", engine)
pd.read_sql_table('my_table', engine)
pd.read_sql_query("SELECT * FROM my_table;", engine)
read_sql() 是 read_sql_table() 和 read_sql_query() 的便捷包装器
pd.to_sql('myDf', engine)
选择
获取
# 获取 1 个数据
s['天']
1
# 获取 DataFrame 的子集
df[1:]
选择，布尔索引 & 设置
位置
按行和列选择单个值
df.iloc[[0], [1]]
df.iat[0, 1]
'小武'
标签
按行和列标签选择单个值
df.loc[0, '姓']
'贾'
df.at[0, '姓']
'贾'
布尔索引
s[~(s > 1)]
天 1 dtype: int64
s[(s < -1) | (s > 2)]
地 3 玄 5 黄 7 dtype: int64
df[df['年龄']>1]
设置
将序列 s 的索引 '宇' 设置为 9
s['宇'] = 9
s
天 1 地 3 玄 5 黄 7 宇 9 dtype: int64
删除（dropping）
从行中删除值（axis = 0）
s.drop(['天', '地'])
玄 5 黄 7 宇 9 dtype: int64
从列中删除值（axis = 1）
df.drop('姓', axis=1)
排序和排名
按轴标签排序
df.sort_index()
按轴的值排序
df.sort_values(by='年龄')
从小到大排序的下标
df.rank()
检索 Series / DataFrame 信息
基本信息
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
index=['cobra', 'viper', 'sidewinder'],
columns=['max_speed', 'shield'])
（行，列）
df.shape
(3, 2)
描述索引
df.index
Index(['cobra', 'viper', 'sidewinder'], dtype='object')
描述 DataFrame 列信息
df.columns
Index(['max_speed', 'shield'], dtype='object')
DataFrame 信息
df.info()
非 NA 值的数量
df.count()
max_speed 3 shield 3 dtype: int64
摘要
总和
df.sum()
max_speed 12 shield 15 dtype: int64
累积值
df.cumsum()
最小值
df.min()
max_speed 1 shield 2 dtype: int64
最大值
df.max()
max_speed 7 shield 8 dtype: int64
最小索引值
df.idxmin()
max_speed cobra shield cobra dtype: object
最大索引值
df.idxmax()
max_speed sidewinder shield sidewinder dtype: object
摘要统计
df.describe()
均值
```python
df.mean()
max_speed 4.0 shield 5.0 dtype: float64
中位数
df.median()
max_speed 4.0 shield 5.0 dtype: float64
应用函数
f = lambda x: x*2
应用函数
df.apply(f)
按元素应用函数
df.applymap(f)
数据对齐
内部数据对齐
值 NA 在不重叠的索引中引入
s3 = pd.Series([7, -2, 3], index=['玄', '黄', '宇'])
s + s3
地 NaN 天 NaN 宇 12.0 玄 12.0 黄 5.0 dtype: float64
填充方法的算术运算
借助填充方法自行完成内部数据对齐
s.add(s3, fill_value=0)
地 3.0 天 1.0 宇 12.0 玄 12.0 黄 5.0 dtype: float64
s.sub(s3, fill_value=2)
地 1.0 天 -1.0 宇 6.0 玄 -2.0 黄 9.0 dtype: float64
s.div(s3, fill_value=4)
地 0.750000 天 0.250000 宇 3.000000 玄 0.714286 黄 -3.500000 dtype: float64
s.mul(s3, fill_value=3)
地 9.0 天 3.0 宇 27.0 玄 35.0 黄 -14.0 dtype: float64
ipynb 请查看：github.com/iOSDevLog/A…
