3、pandas基础操作

1. pandas 介绍

1.1 为什么学习pandas

• numpy已经可以帮助我们进行数据的处理了，那么学习pandas的目的是什么呢？
  • numpy能够帮助我们处理的是数值型的数据，当然在数据分析中除了数值型的数据还有好多其他类型的数据（字符串， 时间序列)，那么pandas就可以帮我们很好的处理除了数值型的其他数据！

什么是pandas?

• 首先先来认识pandas中的两个常用的类
  • Series
  • DataFrame

2. Series 的简单使用

Series是一种类似与一维数组的对象，由下面两个部分组成:

• values:一组数据(ndarray类型)
• index:相关的数据索引标签

2.1 Series的创建方式

# 导入Series、pandas相关包
from pandas import Series

（1）由列表创建

s = Series(data=[1,2,3,'four'])
s

（2）由numpy数组创建

import numpy as np
s = Series(data=np.random.randint(0,100,size=(3,)))
s

（3）index 用来指定显示索引

s = Series(data=[1,2,3,'four'],index=['a','b','c','d'])
s

（4）使用字典创建

dic ={
    '语文':80,
    '数学':70,
    '英语':60
}
s = Series(data=dic)
s

2.2 Series索引的作用

（1）显示索引可以增强Series的可读行

（2）Series的索引和切片

# 查看隐式索引为0的行数据
s[0]

# 查看显示索引为'语文'的行数据
s.语文

# 查看0到2行的行数据
s[0:2]

2.3 Series的常用属性

（1）shape 查看Series形状

（2）size 查看Series的大小

（3）index 返回Series索引

（4）values 返回Series值

（5）dtype 返回元素类型

2.4 Series的常用方法

创建一个样本

s = Series(data=np.random.randint(60,100,size=(10,)))
s

（1）head()显示前N个数组 ，默认是5个

s.head()

（2）tail() 显示后n个

s.tail(3) #显示后n个

（3）unique() 去重

s.unique() #去重

（4）isnull() 判断每一个元素是否为空

s.isnull()  #判断每一个元素是否为空

（5）notnull() 判断每一个元素是否为非空

s.notnull()  #判断每一个元素是否为非空

2.5 Series 的算术运算

索引一致的元素进行算术运算，否则为空

s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','d','c'])
s = s1 + s2
s

3. DataFrane的简单使用

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从—维拓展到多维。DataFrame既有行索引，也有列索引。

• 行索引 :index
• 列索引: columns值: values

3.1 DataFrame的创建

# 导入DataFrame 模块
from pandas import DataFrame

（1）ndarray创建

df = DataFrame(data=np.random.randint(0,100,size=(6,4)))
df

（2）字典创建

dic ={
    'name':['a','d','c'],
    'age':[11,12,13]
}
df = DataFrame(data=dic,index=['a','b','c'])
df

3.2 DataFrame 的属性

（1）values 查看DataFrame 的值

df.values

（2）columns 查看DataFrame 的列索引

df.columns

（3）index 查看DataFrame 的行索引

df.index

（4）shape 查看DataFrame的形状

df.shape

3.3 练习

根据以下考试成绩表，创建一个DataFrame，命名为df:

	张三	李四
语文	150	50
数学	150	50
英语	150	50
理综	150	50

dic ={
    '张三': [150,150,150,300],
    '李四': [0,0,0,0]
}
s = DataFrame(data=dic,index=['语文','数学','英语','理综'])
s

3.4 DataFrame索引操作

创建样本

df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
df

（1）对列进行索引取值

df['a']  #取单列，如果df有显示的索引，通过索引机制取行或者列的时候只可以使用显示索引

（2）取多列

df[['a','c']] #取多列

（3）iloc：通过隐式索引取行

#取单行
df.iloc[0]

# 取单列
df.iloc[:,0]

#取多行
df.iloc[[0,3,5]]

#取多列
df.iloc[:,[0,2,3]]

#取第0行第三列的数据
df.iloc[0,3]

#取多个元素
df.loc[[1,3,5],'c']

（4）loc：通过显示索引取行

#取单行
df.loc[:,'a']

#取多列
df.loc[:,['a','b']]

# 取多个元素
df.loc[[1,3,5],'c']

3.5 DataFrame的切片操作

（1）对行进行切片

df[0:3]

（2）对列进行切片

df.iloc[:,0:2]

（3）对行和列进行切片

df.iloc[0:2,0:2]

3. 6 总结：

• df 索引和切片操作
  • 索引：
    • df[col]：取列
    • df.loc[index]:取列，显示索引
    • df.iloc[index]:取列，隐式索引
    • df.iloc[index,col]:取元素，隐式索引
  • 切片：
    • df[index1,index2]：切行
    • df.iloc[:,col1:col2]：切列

3.7 练习

要求：

1.假设ddd是期中考试成绩，ddd2是期末考试成绩，请自由创建ddd2，并将其与ddd相加，求期中期末平均值

2.假设张三期中考试数学被发现作弊，要记为0分，如何实现?

3.李四因为举报张三作弊立功，期中考试所有科目加100分，如何实现?

4.后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现?

（1）创建数据结构

dic1 ={
    '张三':[100,100,100,100],
    '李四':[80,80,80,80]
}

dic2 ={
    '张三':[80,80,80,80],
    '李四':[100,100,100,100]
}

#期中
ddd = DataFrame(data=dic1,index=['语文','数学','英语','理综'])
#期末
ddd2 = DataFrame(data=dic2,index=['语文','数学','英语','理综'])

（2）计算期中期末的平均值

#总分
count = ddd + ddd2

#平均值
ave = count / 2

（3）张三期中考试数学被发现作弊，要记为0分

#张三期中考试数学记为0分
ddd.loc['数学','张三']=0
ddd

（4）将李四所有成绩加100

#将李四所有成绩加100
ddd.loc[:,'李四']+=100   #ddd['李四'] += 100
ddd

（5）给所有学生每个科目加10分

#给所有学生每个科目加10分
ddd.loc[:]+=10   # ddd += 10
ddd

3.8 时间数据类型的转换

• pd.to_datetime(col) 时间数据类型的转换

（1）创建样本

import pandas as pd
dic = {
    'time':['2021-9-8','2021-8-8','2021-7-8'],
    'temp':[10,20,30]
}
df = DataFrame(data=dic)
df

（2）查看time列的类型

#查看time列的类型  字符串类型
df['time'].dtype

（3）将time列转为时间类型

df['time'] = pd.to_datetime(df['time'])
df

• 将time列作为原数据的行索引 inplace是否覆盖原df

df.set_index('time',inplace=True)
df