pandas数据科学库（1）
作者：互联网
文章目录
浅析pandas（1）
Series – pandas的一维数组
- Series是pandas的一维带索引的数组
Series的创建
import pandas as pd
p = pd.Series([1, 2,3])
print(p)
# 输出
#0 1
#1 2
#2 3
#dtype: int64
输出时，左边为索引内容，可以自己指定索引
import numpy as np
import pandas as pd
a = pd.Series([1, 2, 3], index = ['a', 'b', 'c'])
print(a)
# 输出
# a 1
# b 2
# c 3
# dtype: int64
字典创建Series
import pandas as pd
dic = {
"name":"小明",
"age":18
}
a = pd.Series(dic)
print(a)
# 输出
# name 小明
# age 18
# dtype: object
与Numpy相同，在Series中也可以修改数据类型
import pandas as pd
a = pd.Series([1,2,3]).astype("float")
print(a)
# 输出
# 0 1.0
# 1 2.0
# 2 3.0
# dtype: float64
Series的索引
import numpy as np
import pandas as pd
a = pd.Series(np.linspace(1, 10, 10))
b = pd.Series([1, 2, 3], index=["a", "b", "c"])
print(a)
print(b)
# 输出
# 0 1.0
# 1 2.0
# 2 3.0
# 3 4.0
# 4 5.0
# 5 6.0
# 6 7.0
# 7 8.0
# 8 9.0
# 9 10.0
# dtype: float64
# a 1
# b 2
# c 3
# dtype: int64
# 根据索引取值
print(a[1], b["a"])
# 输出
# 2.0 1
# 取不连续的多行
print(a[[1,2]], b[["a", "c"]])
# 输出
# 1 2.0
# 2 3.0
# dtype: float64
# a 1
# c 3
# dtype: int64
# Series的布尔索引
print(a[a>6])
# 输出
# 6 7.0
# 7 8.0
# 8 9.0
# 9 10.0
# dtype: float64
# Series的取索引操作
print(a.index)
# 输出
# dtype: float64
# RangeIndex(start=0, stop=10, step=1)
# Series的取值操作
print(a.values)
# 输出
# [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
# Series的clip与where
# clip与numpy中的基本相同
print(a.clip(5, 8))
# 输出
# 0 5.0
# 1 5.0
# 2 5.0
# 3 5.0
# 4 5.0
# 5 6.0
# 6 7.0
# 7 8.0
# 8 8.0
# 9 8.0
# dtype: float64
# where 略有不同
pass
Series 的其他函数
- argmin() 取最小值索引
- argmax() 取最大值索引
DataFrame – pandas的二维数组
pandas拥有很强的数据兼容供能，可以读取csv\sql\json\Excel等数据,这里以json与csv为例
import pandas as pd
# df1 = pd.read_csv("文件路径")
df2 = pd.read_json(data = pd.read_json('../data/douban2.json', lines=True))
# 这里douban2.json是作者写的一个爬虫，保存格式为json
# 设置line=True表示逐行读取
json文件如下
{"title": "肖申克的救赎", "action": "[可播放]", "score": "9.7", "view": "2338672人评价", "content": "希望让人自由。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.6", "view": "1739533人评价", "content": "风华绝代。"}
{"title": "霸王别姬", "action": "[可播放]", "score": "9.5", "view": "1760844人评价", "content": "一部美国近现代史。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.4", "view": "1937156人评价", "content": "怪蜀黍和小萝莉不得不说的故事。"}
{"title": "阿甘正传", "action": "[可播放]", "score": "9.4", "view": "1722688人评价", "content": "失去的才是永恒的。 "}
{"title": "[可播放]", "action": "[可播放]", "score": "9.5", "view": "1084302人评价", "content": "最美的谎言。"}
{"title": "这个杀手不太冷", "action": "[可播放]", "score": "9.4", "view": "1838449人评价", "content": "最好的宫崎骏，最好的久石让。 "}
{"title": "泰坦尼克号", "action": "[可播放]", "score": "9.5", "view": "899104人评价", "content": "拯救一个人，就是拯救整个世界。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.3", "view": "1701589人评价", "content": "诺兰给了我们一场无法盗取的梦。"}
{"title": "美丽人生", "action": "[可播放]", "score": "9.4", "view": "1168718人评价", "content": "永远都不能忘记你所爱的人。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.3", "view": "1374530人评价", "content": "爱是一种力量，让我们超越时空感知它的存在。"}
{"title": "千与千寻", "action": "[可播放]", "score": "9.3", "view": "1289654人评价", "content": "如果再也不能见到你，祝你早安，午安，晚安。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.3", "view": "1382478人评价", "content": "每个人都要走一条自己坚定了的路，就算是粉身碎骨。 "}
{"title": "辛德勒的名单", "action": "[可播放]", "score": "9.2", "view": "1553658人评价", "content": "英俊版憨豆，高情商版谢耳朵。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.3", "view": "1093337人评价", "content": "小瓦力，大人生。"}
{"title": "盗梦空间", "action": "[可播放]", "score": "9.3", "view": "1076781人评价", "content": "天籁一般的童声，是最接近上帝的存在。 "}
{"title": "[可播放]", "action": "[可播放]", "score": "9.2", "view": "1256552人评价", "content": "一生所爱。"}
{"title": "忠犬八公的故事", "action": "[可播放]", "score": "9.2", "view": "1518499人评价", "content": "迪士尼给我们营造的乌托邦就是这样，永远善良勇敢，永远出乎意料。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.2", "view": "1044286人评价", "content": "香港电影史上永不过时的杰作。"}
{"title": "星际穿越", "action": "[可播放]", "score": "9.3", "view": "763228人评价", "content": "我们一路奋战不是为了改变世界，而是为了不让世界改变我们。"}
{"title": "[可播放]", "action": "[可播放]", "score": "9.3", "view": "764229人评价", "content": "千万不要记恨你的对手，这样会让你失去理智。"}
{"title": "楚门的世界", "action": "[可播放]", "score": "9.1", "view": "1248441人评价", "content": "平民励志片。 "}
{"title": "[可播放]", "action": "[可播放]", "score": "9.2", "view": "1041278人评价", "content": "人人心中都有个龙猫，童年就永远不会消失。"}
我们想要提取数据到数组字典内，可以使用如下方法
data = df2.tolist()
data_list = []
for i in data:
dict = {}
dict["title"] = i[0]
dict["count"] = i[2]
dict["view"] = i[4]
data_list.append(dict)
# 也可以将data_list转化成dataframe类 完成数据的提取
data_list = pd.DataFrame(data_list)
DataFrame的建立
import pandas as pd
import numpy as np
# index指定行索引，columns指定列索引
d = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"),columns=list("wxyz"))
print(d)
# 输出
# w x y z
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
# 字典创建
dic = {
"name":["小明", "小红"],
"age":[18, 19]
}
d1 = pd.DataFrame(dic)
print(d1)
# 输出 不难看出，键名为列索引
# name age
# 0 小明 18
# 1 小红 19
# 列表字典创建法
lis = [
{"name":"小明","age": 18},
{"name":"小红","age": 19}
]
d2 = pd.DataFrame(lis)
print(d2)
# name age
# 0 小明 18
# 1 小红 19
DataFrame的操作
import pandas as pd
# 加载爬虫数据
df = pd.read_csv(r'E:\拜师\14100_HM数据科学库课件\DataAnalysis-master\day04\dogNames2.csv')
# 将行列排序 默认升序, ascending设为False为降序
df = df.sortvalues(by="Count_AnimalName",ascending=False)
print(df)
# 显示前五行 head 默认前十行
print(df.head(5))
# 显示后五行 tail 默认后十行
print(df.tail(5))
# 取df的前二十行 注意显示与取出的区别
print(df[:20])
# 取df的某一列
print(df["Row_Labels"])
# 可以取某一行的某一列
print(df[:20]["Row_Labels"])
# 但是 对 DataFrame切片时通常不这样做
# 我们是用iloc 与 loc 方法切片
DataFrame 的切片
iloc 与 loc 的区别
- iloc 通过位置获取索引
- loc 通过标签获取索引
import pandas as pd
import numpy as np
d = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns = list("wxyz"))
print(d)
# iloc法
# 获取d的第三行所有元素
print(d.iloc[2:])
# 获取d的第一 三 行所有元素
print(d.iloc[[0, 2]])
# 输出
# w x y z
# a 0 1 2 3
# c 8 9 10 11
# 获取d 的 第一列所有元素
print(d.iloc[:,0])
# 输出
# a 0
# b 4
# c 8
# Name: w, dtype: int32
# 获取d 的第一 三 列所有元素
print(d.iloc[:,[0, 2]])
# w y
# a 0 2
# b 4 6
# c 8 10
# 获取d 的第 二三行 与三四列的元素
print(d.iloc[1:3,2:4])
# y z
# b 6 7
# c 10 11
# 接下来是loc方法
# loc方法与iloc方法基本相同
# 获取a 行
print(d.loc[a])
# w 0
# x 1
# y 2
# z 3
# 取a行与c行
print(d.loc[["a", "c"]])
# w x y z
# a 0 1 2 3
# c 8 9 10 11
# 其他取法不再赘述
# 注意 这里的c行是可以取到的 不同与以往的range
print(d.loc["a":"c"])
# w x y z
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
标签：title,pandas,content,pd,科学,print,数据,可播放,view 来源： https://blog.csdn.net/weixin_52927489/article/details/116295212