Python数据分析pandas模块用法实例详解

本文通过具体实例介绍Python数据分析中pandas模块的使用方法，旨在为读者提供实用的参考指南。

pandas

关于pandas的十分钟快速入门教程，可访问官方网站查阅：10 minutes to pandas。

此外，官方还提供了更复杂的cookbook供深入学习。

• pandas是一个功能强大的数据分析工具包，它建立在Numpy之上，提供了更高级的数据结构和操作工具。正如Numpy的核心是ndarray，pandas的核心则是Series和DataFrame这两个数据结构，分别对应一维序列和二维表格结构。

创建对象

标准的导入方式如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

Series

• Series可视为一个长度固定且有序的字典，它能够存储任意类型的数据（包括整数、字符串、浮点数或Python对象），构成一维带标签的数组。
• 一个Series对象主要包含两个属性：index（索引）和values（值）。
• 在创建Series时，数据源可以是Python字典、ndarray数组或标量值（例如5）。
• 无论创建时是否指定index，系统都会设置默认的下标；但若使用数组作为索引，则会保留创建时指定的索引值。
• 创建Series时可以指定name属性，后续也可通过rename方法进行修改。

ser1 = pd.Series(range(10,15),index=list('ABCDE'))
print(ser1)
# 下标和索引等同
print(ser1['A'])
print(ser1[0])

输出结果示例：

A 10 B 11 C 12 D 13 E 14 dtype: int64 10 10

在选取连续多个数据时，使用下标切片不包含结束位置，而使用索引切片则包含结束位置。

print(ser1['A':'D'])
print(ser1[0:3])

输出结果示例：

A 10 B 11 C 12 D 13 dtype: int64 A 10 B 11 C 12 dtype: int64

选取多个数据或进行条件筛选（布尔索引）的操作示例如下。

# 注意里面是一个列表
print(ser1[[0,1,3]])
# 布尔索引
print(ser1[(ser1>12)&(ser1<15)])

DataFrame

DataFrame是一个二维的带标签数据结构，可以类比为电子表格或SQL表，也是Series对象的集合。它通常是pandas中最常用的对象类型。与Series类似，DataFrame支持多种输入形式：

• 包含一维ndarray、列表、字典或Series的字典。
• 二维numpy.ndarray数组。
• 结构化或记录类型的ndarray。
• Series对象。
• 另一个DataFrame对象。

df1 = pd.DataFrame(np.random.randint(10,50,(3,4)), - index=list('ABC'),columns=list('abcd'))

• 其中，index表示行索引，columns表示列索引。
• 当使用字典创建DataFrame时，字典的键名即为列索引，且键值可以是列表，系统会自动进行补齐处理。

获取单行、单列或单个数据的具体操作如下。

# 列取值，取出的是一个series对象
print(df1['a'])
print(df1['a'].values)
# 取出一行数据的某一行数据，也就是单个数据
print(df1['a']['B']) # 这两个一样
print(df1['a'][1])

获取不连续的多列数据，以及获取连续多列数据（默认情况下不支持直接切片，需使用高级索引）。

# 取不连续多列
print(df1[['a','c']])

行索引支持直接切片，但默认情况下不支持直接获取不连续的多行数据，下标选取同理。

print('行索引取值##############')
print(df1['A':'A'])
# 取连续多行就是df1['A':'C']

高级索引(花式索引)

高级索引通常应用于DataFrame，此处略过Series的相关讨论。

loc标签索引

df1 = pd.DataFrame(np.random.randint(10,50,(5,4)), index=list('ABCDE'),columns=list('abcd'))
# 取单行，类型是series
print(df1.loc['A'])
print(type(df1.loc['A']))
# 取连续多行，类型是DataFrame
print(df1.loc['A':'C'])
# 如果没有index索引就用下标，可以取连续多行连续多列
print(df1.loc['A':'D','a':'c'])
# 取不连续多行不连续多列
print(df1.loc[['A','C'],['a','c']])

iloc位置索引

iloc的用法与loc类似，但下标索引遵循左闭右开原则，而loc则包含最后一位元素。

# DataFrame
print(df1.iloc[0:2, 0]) # 注意和df1.loc['A':'C', 'a']的区别
print(df1.loc['A':'C', 'a'])

ix 标签与位置混合索引

博主使用的pandas 0.24.2版本中，.ix方法已被弃用（尽管仍可使用并会发出警告），因此此处不再展开介绍。

• ix是上述两种索引的综合体，既可以使用索引编号，也可以使用自定义索引，具体使用需视情况而定。
• 如果索引中同时包含数字和英文字符，不建议使用这种方式，因为这容易导致定位混乱。

增加数据

如需了解更多Python相关内容，可参考本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》。

希望本文所述内容能对大家的Python程序设计有所帮助。