pandas学习-1

pandas学习

numpy能够帮助我们处理数值，但是pandas除了处理数值之外（基于numpy），还能能帮助我们处理其他类型的数据。

常用数据类型有：

• Series一维，带标签(索引)数组
• DataFrame二维，Series容器

pandas之Series创建

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

• 可以指定索引创建Series

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

• 可以传入字典创建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对象本质上由两个数组构成

一个数组构成对象的键（index，索引），一个数组构成对象的值（values），键->值

ndarray的很多方法都可以运用series类型，比如argmax,clip

Series具有where方法，但是结果和ndarray不同。

pandas之读取外部数据

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对象既有行索引，又有列索引。

设置索引创建DataFrame对象：

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

传入字典创建DataFrame对象：

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)

基本属性：

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)  # 对象值
print(t4.shape)  # 行数和列数
print(t4.dtypes)  # 元素类型
print(t4.ndim)  # 维度

DataFrame整体情况查询

t4.head(3)  # 显示头部几行，默认5行
t4.tail(3)  # 显示末尾几行，默认5行
t4.info()  # 相关信息概览：行数，列数，列索引，列非空值个数，列类型，内存占用
t4.describe()  # 快速综合统计结果：计数，均值，标准差，最大值，四分位数，最小值

DataFrame对象的切片

# 方括号里写数字，表示取行
print(t4[:1])
# 方括号里写字符串，表示取列
print(t4["name"])
# 取某行某列
print(t4[:1]["name"])

pandas之loc

还有更多的经过pandas优化过的选择方式

• df.loc通过标签索引行数据
• df.iloc通过位置获取行数据

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之布尔索引

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

不同条件之间需要用括号括起来，同时用&，|诸如此类的符号连接。

对电影数据进行处理：

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()

# 计算组数
num_bin = (max_runtime - min_runtime) // 5

# 设置图形的大小
plt.figure(figsize=(20, 8), dpi=80)

# 绘制
plt.hist(runtime_data, num_bin)

# 设置座标轴的刻度
plt.xticks(range(min_runtime, max_runtime + 5, 5))

# 展示
plt.show()