其他分享
首页 > 其他分享> > 饮冰三年-人工智能-Pandas-74-初始Pandas

饮冰三年-人工智能-Pandas-74-初始Pandas

作者:互联网

一、什么是Pandas

Pandas,python+data+analysis的组合缩写,是python中基于numpy和matplotlib的第三方数据分析库,与后两者共同构成了python数据分析的基础工具包,享有数分三剑客之名。

Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具,其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。

python 社区已经广泛接受了一些常用模块的命名惯例:

  import numpy as np

  import pandas as pd

  import matplotlib.pyplot as plt

也就是说,当你看到np.arange时,就应该想到它引用的是NumPy中的arange函数。这样做的原因是:在Python软件开发中,不建议直接引入类似NumPy这种大型库的全部内容(from numpy import *)。

二、Pandas数据读取

1、读取txt、CSV等文本数据

  1.1 按照逗号分割的txt文本文件

df = pd.read_csv('C:\\Users\\ywx1106919\\Desktop\\ex1.txt', encoding='utf-8')

  

  1.2 按照tab分割的csv文件

df = pd.read_table('C:\\Users\\ywx1106919\\Desktop\\ex2.csv', encoding='utf-8')

  1.3 常用方法总结: 

函数 说明
read_csv 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号。
read_table 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符(“\t”)。
 read_fwf  读取定宽列格式数据(也就是说,没有分隔符)
 read_clipboard  读取剪贴板中的数据,可以看做read_table的剪切板版。在将网页转换成表格时很有用。

  1.4 抛砖引玉,后面有机会详细介绍 

2、读取Excel中数据

  ps:使用read_excel 需要安装openpyxl包

pip install openpyxl

  2.1 读取Excel文件

df = pd.read_excel('C:\\Users\\ywx1106919\\Desktop\\ex3.xlsx')

3、读取数据库中数据

  3.1 读取MySQL数据库中数据

  ps:使用mysql数据库需要安装mysqlclient、pymysql包

pip install pymysql
pip install mysqlclient
    conn = pymysql.connect(host=MYSQL_HOST, port=MYSQL_PORT, db=MYSQL_NAME, user=MYSQL_USER, password=MYSQL_PASSWORD, )
    mysql_page = pd.read_sql("SELECT id,subject_name FROM tb_course", con=conn)

   

  3.2 彩蛋:旧版本获取数据会有警告提示:

 UserWarning: pandas only support SQLAlchemy connectable(engine/connection) ordatabase string URI or sqlite3 DBAPI2 connectionother DBAPI2 objects are not tested, please consider using SQLAlchemy
  warnings.warn(

   新版本的pandas库中con参数使用sqlalchemy库创建的create_engine对象 。创建create_engine对象(格式类似于URL地址),

   需要安装 sqlalchemy

def get_data_from_db():
    """
    新版本的pandas库中con参数使用sqlalchemy库创建的create_engine对象
    创建create_engine对象(格式类似于URL地址):
    """
    engine = create_engine('mysql+pymysql://%s:%s@%s:%s/%s?charset=utf8'
                           % (MYSQL_USER, MYSQL_PASSWORD, MYSQL_HOST, MYSQL_PORT, MYSQL_NAME))
    mysql_page = pd.read_sql("SELECT * FROM tb_score", engine)
    print(mysql_page)
新版本使用demo
 

三、Pandas数据结构

 要使用pandas,首先就得熟悉它的两个主要数据结构:Series和DataFrame。虽然它们并不能解决所有问题,但它们为大多数应用提供了一种可靠的、易于使用的基础。

Series

  Series是类似于一维数组的对象。它由一组数据(可以是不同数据类型)以及一组与之相关的额数据标签(索引)组成。

  1:一组数据即可产生最简单的Series

import pandas as pd


def series_01():
    pd_s = pd.Series([4, 7, -5, 3])
    print(pd_s)
    print(pd_s[3])


series_01()
代码
0    4
1    7
2   -5
3    3
dtype: int64
3
输出结果

  取值方式:通过索引取值。python中的切片功能同样适用。

  展示形式:索引在左,值在右。

我们没有为数据指定索引,于是会自动创建一个0至N-1的整数索引。你可以通过Series的index和values获取其索引对象和数组表示形式

  2:一组数据+索引组成的Series

  通常,我们希望所创建的Series带有一个可以对各个数据点进行标记的索引。

def series_02():
    # 创建一个可以对各个数据进行标记的索引
    pd_s = pd.Series([4, 7, -5, 3], index=["d", "b", "a", "c"])
    print(pd_s)
    print("------通过下标取值---------")
    print(pd_s[1:3])
    print("------通过索引取值---------")
    print(pd_s[["a", "b", "c"]])
    print("-------查看索引--------")
    print(pd_s.index)
    print("-------查看值--------")
    print(pd_s.values)
View Code
d    4
b    7
a   -5
c    3
dtype: int64
------通过下标取值---------
b    7
a   -5
dtype: int64
------通过索引取值---------
a   -5
b    7
c    3
dtype: int64
-------查看索引--------
Index(['d', 'b', 'a', 'c'], dtype='object')
-------查看值--------
[ 4  7 -5  3]
输出结果

  你可以通过索引的方式选取Series中的单个或一组值。上面展示了通过 pd_s[["a", "b", "c"]] 取一组值,可通过pd_s["a"]取单个值。

  3:数学运算

  常见的数学运算(如根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引和值之间的链接。

def series_03():
    pd_s = pd.Series([4, 7, -5, 3], index=["d", "b", "a", "c"])
    print(pd_s)
    print("------布尔型数组过滤---------")
    print(pd_s[pd_s > 0])
    print("------标量乘法---------")
    print(pd_s * 2)
    print("-------应用数学函数--------")
    # exp():返回e的幂次方,e是一个常数为2.71828。np.exp(1) 为自身,np.exp(2) 为平方
    print(np.exp(pd_s))
View Code
d    4
b    7
a   -5
c    3
dtype: int64
------布尔型数组过滤---------
d    4
b    7
c    3
dtype: int64
------标量乘法---------
d     8
b    14
a   -10
c     6
dtype: int64
-------应用数学函数--------
d      54.598150
b    1096.633158
a       0.006738
c      20.085537
dtype: float64
输出结果

  4:Series可以看成一个定长的有序字典。

  Series它本身是索引值到数据值的一个映射。

def series_04():
    dict_data = {"张三": 20, "李四": 22, "王五": 23, "赵六": 20}
    pd_s = pd.Series(dict_data)  # 字典直接转
    print(pd_s)
    print("------布尔判断是否存在---------")
    print("张三" in dict_data, "张三三" in dict_data)
    print("------查看索引---------")
    print(pd_s.index)
    print("-------给索引通过赋值的方式就地修改--------")
    pd_s.index = ["zhangsan", "lisi", "wangwu", "zhaoliu"]
    print(pd_s)
View Code
张三    20
李四    22
王五    23
赵六    20
dtype: int64
------布尔判断是否存在---------
True False
------查看索引---------
Index(['张三', '李四', '王五', '赵六'], dtype='object')
-------给索引通过赋值的方式就地修改--------
zhangsan    20
lisi        22
wangwu      23
zhaoliu     20
dtype: int64
输出结果

DataFrame

DataFrame 是一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔值等),可对应数据库中的字段。

DataFrame 既有行索引又有列索引,它可以被看做由Series组成的字典。

  1:根据多个字典序列创建dataframe

  构建DataFrame的方法有很多最常用的一种是直接传入一个由等长列表或者NumPy数组组成的字典。

def data_frame_01():
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data)
    print(frame)


data_frame_01()
View Code
    """
      name  year  pop
    0   张三  2020    3
    1   李四  2021    2
    2   王五  2022    1
    3   赵六  2023    4
    """
输出结果

  从数据结果可以看出,DataFrame会自动加上索引。同样的,我们可以指定列的顺序和自定义索引。

def data_frame_02():
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])
    print(frame)
View Code
       pop  year name  age
one      3  2020   张三  NaN
two      2  2021   李四  NaN
three    1  2022   王五  NaN
four     4  2023   赵六  NaN
输出结果

  跟Series一样如果传入的列在数据中找不到,就会产生NA值。

  2:从dataframe中查出Series

  如果只查询一行、一列返回的是series。

def data_frame_03():
    # 如果只查询一行、一列返回的是series。
    # 列筛选:通过类似字典标记的方式或属性的方式  frame['pop']
    # 行筛选:通过行号获取行  frame.iloc[1]
    # 行筛选:通过索引获取行  frame.loc['one']
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])

    a_col = frame['pop']
    print("-------------获取某列----------")
    print(a_col)

    a_row_by_iloc = frame.iloc[1]
    print("-------------通过行号获取行----------")
    print(a_row_by_iloc)

    a_row_by_loc = frame.loc['one']
    print("-------------通过索引获取行----------")
    print(a_row_by_loc)
View Code
-------------获取某列----------
one      3
two      2
three    1
four     4
Name: pop, dtype: int64
-------------通过索引获取行----------
pop        2
year    2021
name      李四
age      NaN
Name: two, dtype: object
-------------通过行号获取行----------
pop        3
year    2020
name      张三
age      NaN
Name: one, dtype: object
输出结果

  如果查询多行,返回的仍是DataFrame。

def data_frame_03_n():
    # 如果查询多行,返回的仍是DataFrame。
    # 列筛选:通过类似字典标记的方式或属性的方式  frame[['pop'], ['year']]
    # 行筛选:通过索引获取行  frame.loc[['one', 'three']]
    # 行筛选:通过行号获取多行  fram.iloc[0:2]

    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])

    m_col = frame[['pop', 'year']]
    print("-------------获取多列----------")
    print(m_col)

    m_row_by_iloc = frame.iloc[0:2]
    print("-------------通过行号获取多行----------")
    print(m_row_by_iloc)

    m_row_by_loc = frame.loc[['one', 'three']]
    print("-------------通过索引获取行----------")
    print(m_row_by_loc)
View Code
-------------获取多列----------
       pop  year
one      3  2020
two      2  2021
three    1  2022
four     4  2023
-------------通过行号获取多行----------
     pop  year name  age
one    3  2020   张三  NaN
two    2  2021   李四  NaN
-------------通过索引获取行----------
       pop  year name  age
one      3  2020   张三  NaN
three    1  2022   王五  NaN
输出结果

  3:dataframe修改

  一言以蔽之:获取目标,赋值

def data_frame_03_m():
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])

    frame['age'] = 18
    print("-------------获取某列,然后统一赋一个值----------")
    print(frame)

    frame['age'] = np.arange(4, )
    print("-------------获取某列,然后赋一个(可递归)值----------")
    print(frame)

    val = pd.Series([17, 18], index=['one', 'three', ])
    frame['age'] = val
    print("-------------定义Series【值和索引对应】----------")
    print(frame)
View Code
-------------获取某列,然后统一赋一个值----------
       pop  year name  age
one      3  2020   张三   18
two      2  2021   李四   18
three    1  2022   王五   18
four     4  2023   赵六   18
-------------获取某列,然后赋一个(可递归)值----------
       pop  year name  age
one      3  2020   张三    0
two      2  2021   李四    1
three    1  2022   王五    2
four     4  2023   赵六    3
-------------定义Series【值和索引对应】----------
       pop  year name   age
one      3  2020   张三  17.0
two      2  2021   李四   NaN
three    1  2022   王五  18.0
four     4  2023   赵六   NaN
输出结果

  4:dataframe新增一个列

  为不存在的列赋值会创建一个新列。

def data_frame_03_a():
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])

    val = pd.Series([17, 18], index=['one', 'three', ])
    frame['age'] = val
    print("-------------定义Series【值和索引对应】----------")
    print(frame)

    frame["has_age"] = frame.age > 0
    print(frame)
View Code
-------------定义Series【值和索引对应】----------
       pop  year name   age
one      3  2020   张三  17.0
two      2  2021   李四   NaN
three    1  2022   王五  18.0
four     4  2023   赵六   NaN
       pop  year name   age  has_age
one      3  2020   张三  17.0     True
two      2  2021   李四   NaN    False
three    1  2022   王五  18.0     True
four     4  2023   赵六   NaN    False
输出结果

  5:dataframe 删除列

  关键字del用于删除列。

def data_frame_03_d():
    data = {
        'name': ['张三', '李四', '王五', '赵六'],
        'year': [2020, 2021, 2022, 2023],
        'pop': [3, 2, 1, 4],
    }
    frame = pd.DataFrame(data, columns=['pop', 'year', 'name', 'age'], index=['one', 'two', 'three', 'four'])

    del frame["pop"]
    print(frame)
View Code
       year name  age
one    2020   张三  NaN
two    2021   李四  NaN
three  2022   王五  NaN
four   2023   赵六  NaN
输出结果

  6:loc和iloc

def data_frame_03_di():
    # 另外一种常见的数据形式是嵌套字典,外层字典的键作为列,内层键作为行索引
    # loc的意思是基于标签(label-based selection),输入为标签。在对数据进行切片操作时,loc与Python中 (:)的含义有差异,左闭右闭
    # iloc的意思是基于索引(index-based selection),输入为索引。在对数据进行切片操作时,iloc与Python中 (:)的含义相同,左闭右开
    data = {
        "name": {1: "张三", 3: "李四", 5: "王五", 7: "赵六"},
        "year": {1: 2020, 3: 2021, 5: 2022, 7: 2023},
        "pop": {1: 3, 3: 2, 5: 1, 40: 4}
    }
    frame = pd.DataFrame(data)
    print(frame)

    m1_row_by_iloc = frame.iloc[0:3, 1]
    print("-------------通过行号获取多行----------")
    print(m1_row_by_iloc)

    m2_row_by_iloc = frame.loc[0:3, 'year']
    print("-------------通过行号获取多行----------")
    print(m2_row_by_iloc)
View Code
   name    year  pop
1    张三  2020.0  3.0
3    李四  2021.0  2.0
5    王五  2022.0  1.0
7    赵六  2023.0  NaN
40  NaN     NaN  4.0
-------------通过行号获取多行----------
1    2020.0
3    2021.0
5    2022.0
Name: year, dtype: float64
-------------通过行号获取多行----------
1    2020.0
3    2021.0
Name: year, dtype: float64
输出结果

 下一篇: 饮冰三年-人工智能-Pandas-77-Pandas 数据查询

标签:索引,frame,pop,print,74,pd,year,饮冰,Pandas
来源: https://www.cnblogs.com/YK2012/p/15924564.html