pandas學習-1

pandas學習

numpy能夠幫助我們處理數值，但是pandas除了處理數值之外（基於numpy），還能能幫助我們處理其他類型的數據。

常用數據類型有：

• Series一維，帶標籤(索引)數組
• DataFrame二維，Series容器

pandas之Series創建

• import pandas as pd
  
  t1 = pd.Series([1, 2, 31, 12, 3, 4])
  print(t1)
  print(type(t1))
  

• 可以指定索引創建Series

• t2 = pd.Series([1, 23, 2, 2, 1], index=list("abcde"))
  print(t2)
  

• 可以傳入字典創建Series

• temp_dict = {"name": "xiaoming", "age": 30, "tel": 10086}
  t1 = pd.Series(temp_dict)
  print(t1)
  

pandas之Series切片和索引

temp_dict = {"name": "xiaoming", "age": 30, "tel": 10086}
t1 = pd.Series(temp_dict)
print(t1["name"])
print(t1[["age", "tel"]])

print(t1.index)
# print(t1[t1>4])
print(t1.values)

print(np.ndarray)

Series對象本質上由兩個數組構成

一個數組構成對象的鍵（index，索引），一個數組構成對象的值（values），鍵->值

ndarray的很多方法都可以運用series類型，比如argmax,clip

Series具有where方法，但是結果和ndarray不同。

pandas之讀取外部數據

df = pd.read_csv("./data")
print(df)

pandas之DataFrame

import pandas as pd
import numpy as np

t1 = pd.DataFrame(np.arange(12).reshape(3, 4))
print(t1)

DataFrame對象既有行索引，又有列索引。

設置索引創建DataFrame對象：

t2 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns=list("wxyz"))
print(t2)

傳入字典創建DataFrame對象：

d1 = {"name": ["xiaoming", "xiaohong"], "age": [20, 32], "tel": [10086, 10010]}
t3 = pd.DataFrame(d1)
print(t3)

d1 = [{"name": "xiaoming", "age": 20, "tel": 10010}, {"name": "xiaohong", "age": 23, "tel": 10086}]
print(d1)
t4 = pd.DataFrame(d1)
print(t4)

基本屬性：

d1 = [{"name": "xiaoming", "age": 20, "tel": 10010}, {"name": "xiaohong", "age": 23, "tel": 10086}]
t4 = pd.DataFrame(d1)
print(t4.index)  # 行索引
print(t4.columns)  # 列索引
print(t4.values)  # 對象值
print(t4.shape)  # 行數和列數
print(t4.dtypes)  # 元素類型
print(t4.ndim)  # 維度

DataFrame整體情況查詢

t4.head(3)  # 顯示頭部幾行，默認5行
t4.tail(3)  # 顯示末尾幾行，默認5行
t4.info()  # 相關信息概覽：行數，列數，列索引，列非空值個數，列類型，內存佔用
t4.describe()  # 快速綜合統計結果：計數，均值，標準差，最大值，四分位數，最小值

DataFrame對象的切片

# 方括號裏寫數字，表示取行
print(t4[:1])
# 方括號裏寫字符串，表示取列
print(t4["name"])
# 取某行某列
print(t4[:1]["name"])

pandas之loc

還有更多的經過pandas優化過的選擇方式

• df.loc通過標籤索引行數據
• df.iloc通過位置獲取行數據

t5 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns=list("wxyz"))
print(t5)
a = t5.loc["a", "z"]
print(a)
print(t5.loc["a"])

pandas之布爾索引

print(t5[t5["z"] > 4])
print(t5[t5["row_name"].str.len() > 4])

不同條件之間需要用括號括起來，同時用&，|諸如此類的符號連接。

對電影數據進行處理：

import pandas as pd
from matplotlib import pyplot as plt

file_path = "./IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)
print(df.head(1))
print(df.info())

runtime_data = df["Runtime (Minutes)"].values
max_runtime = runtime_data.max()
min_runtime = runtime_data.min()

# 計算組數
num_bin = (max_runtime - min_runtime) // 5

# 設置圖形的大小
plt.figure(figsize=(20, 8), dpi=80)

# 繪製
plt.hist(runtime_data, num_bin)

# 設置座標軸的刻度
plt.xticks(range(min_runtime, max_runtime + 5, 5))

# 展示
plt.show()