Python數據分析之pandas入門

一、pandas庫簡介

pandas是一個專門用于數據分析的開源Python庫，目前很多使用Python分析數據的專業人員都將pandas作為基礎工具來使用。pandas是以Numpy作為基礎來設計開發的，Numpy是大量Python數據科學計算庫的基礎，pandas以此為基礎，在計算方面具有很高的性能。pandas有兩大數據結構，這是pandas的核心，數據分析的所有任務都離開它們，分別是Series和DataFrame。

二、pandas庫的安裝

paandas安裝較為簡單，如果使用Anaconda的話，就在終端輸入命令 “conda install pandas” 就能安裝；如果電腦安裝了pip的話，就在終端輸入命令 “pip install pandas” 就能安裝成功。安裝完成后，可以在終端輸入 “import pandas as pd” ，測試pandas是否安裝成功。

三、Series的使用

Series用來表示一維數據結構，跟數組類似，它由兩個相關聯的數組組成，其中一個叫index的數組用來存儲標簽，這些標簽與另一個數組中的元素一一對應。如下圖所示：

聲明Series對象時，需要調用Series()構造函數，并傳入一個數組作為Series的主數組，比如：

import pandas as pd
ser=pd.Series([12,33,55,66])
print(ser)'''輸出為
0    12
1    33
2    55
3    66
dtype: int64
'''

運行上面的代碼，可以知道，如果不指定標簽，那么默認標簽就是從0開始遞增，我們也可以在聲明一個Series對象時給它指定標簽：

import pandas as pd
ser=pd.Series([12,33,55,66],index=['a','s','d','f'])
print(ser)'''輸出為：
a    12
s    33
d    55
f    66
dtype: int64
'''

我們可以通過Series的index很方便得到其內部元素，或者為某元素賦值：

import pandas as pd
ser=pd.Series([12,33,55,66])
print(ser[2])
ser[2]=99
print(ser[2])'''輸出為：
55
99
'''

Series對象可以進行運算，比如加減乘除，也可以使用Numpy中的數學函數來對它進行計算：

import pandas as pd
ser=pd.Series([12,33,55,66])
ser2=ser/2
print(ser2)import numpy as np
print(np.log(ser))'''輸出為：
0     6.0
1    16.5
2    27.5
3    33.0
dtype: float64
0    2.484907
1    3.496508
2    4.007333
3    4.189655
dtype: float64
'''

從上面可以看出，Series對象似乎跟字典很相似，我們可以把Series對象當作字典來使用，我們在創建Series對象時，將創建好的字典傳入Series的構造函數即可，這樣字典的鍵就組成了索引數組，每個索引對應的元素就是字典中對應的值：

import pandas as pd
dic={'wife':'kathy','son':'mary','mother':'lily','father':'tom'}
ser=pd.Series(dic)
print(ser)'''輸出為：
wife      kathy
son        mary
mother     lily
father      tom
dtype: object
'''

四、DataFrame的使用

DataFrame這種數據結構針對的是多維數據，由按一定順序排列的多列數據組成，列之間的數據類型會不同，如下圖所示：

從圖中可以看出，DataFrame對象有兩個索引數組，第一個數組index與行相關，這與Series相似，每個index標簽與所在行的所有元素相關聯。它的第二個數組包含一系列標簽，每個標簽下包含一列數據。可以將DataFrame理解為由多個Series對象組成的字典，每一列的名稱為字典的鍵，Series作為字典的值。

創建DataFrame對象的常用方法就是傳遞一個字典對象給DataFrame()構造函數：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
print(frame)'''輸出為：name  age sex
0   tom   14   男
1  mary   15   男
2  john   77   女
3  mike   45   男
'''

跟Series對象類似。DataFrame如果沒有明確指定標簽，那么它的默認標簽也是從0開始遞增。如果我們想知道DataFrame對象所有列的名稱，則調用columns屬性就可以了，獲取索引列表的話就調用index屬性，調用values屬性將獲取所有的元素。可以給DateFrame對象添加列：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
frame['weight']=[89,99,145,123]
print(frame)'''輸出為：name  age sex  weight
0   tom   14   男      89
1  mary   15   男      99
2  john   77   女     145
3  mike   45   男     123
'''

在數據處理中，有有時也會用到DataFrame的轉置操作，即把行變為列，列變為行，調用DataFrame的T屬性即可完成轉置：

import pandas as pd
dic={'name':['tom','mary','john','mike'],'age':[14,15,77,45],'sex':['男','男','女','男']}
frame=pd.DataFrame(dic)
print(frame.T)'''輸出為：0     1     2     3
name  tom  mary  john  mike
age    14    15    77    45
sex     男     男     女     男
'''

五、Series與DataFrame對象之間的運算

pandas允許Series對象與DataFrame對象進行運算，定義Series和DataFrame對象時，把Series對象的索引和DataFrame的列名稱保持一致：

import pandas as pd
import numpy as np
frame=pd.DataFrame(np.arange(16).reshape((4,4)),index=['age','name','sex','weight'],columns=['john','tom','mary','cathy'])
print(frame)
ser=pd.Series(np.arange(4),index=['john','tom','mary','cathy'])
print(ser)
res=frame-ser
print(res)'''輸出為：john  tom  mary  cathy
age        0    1     2      3
name       4    5     6      7
sex        8    9    10     11
weight    12   13    14     15john     0
tom      1
mary     2
cathy    3
dtype: int32john  tom  mary  cathy
age        0    0     0      0
name       4    4     4      4
sex        8    8     8      8
weight    12   12    12     12
'''

可以看出，DataFrame對象的各元素分別減去了Series對象中索引與之相同的元素，DataFrame對象每一列的所有元素都執行了減法操作。