热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

pandas数据处理常用函数demo之创建/行列操作/查看/文件操作

pandas是Python下强大的数据分析工具,这篇文章代码主要来自于10Minutestopandas,我将示例代码进行了重跑和修改,基本可以满足所有操作,但是使用更高级的功

pandas是Python下强大的数据分析工具,这篇文章代码主要来自于
10 Minutes to pandas,我将示例代码进行了重跑和修改,基本可以满足所有操作,但是使用更高级的功能可以达到事半功倍的效果:原文如下:
http://pandas.pydata.org/pandas-docs/stable/10min.html
初次使用pandas,很多人最头痛的就是Merge, join等表的操作了,下面这个官方手册用图形的形式形象的展示出来了表操作的方式:
http://pandas.pydata.org/pandas-docs/stable/merging.html

创建dataframe

DataFrame和Series作为padans两个主要的数据结构,是数据处理的载体和基础。

def create():

#create Series
s = pd.Series([1,3,5,np.nan,6,8])
print s

#create dataframe
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
print df

#Creating a DataFrame by passing a dict of objects that can be converted to series-like.
df2 = pd.DataFrame({ 'A' : 1.,
'B' : pd.Timestamp('20130102'),
'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
'D' : np.array([3] * 4,dtype='int32'),
'E' : pd.Categorical(["test","train","test","train"]),
'F' : 'foo' })
print df2
#Having specific dtypes
print df2.dtypes

查看dataframe属性

我们生成数据或者从文件加在数据后,首先要看数据是否符合我们的需求,比如行和列数目,每列的基本统计信息等,这些信息可以让我们认识数据的特点或者检查数据的正确性:

def see():

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
print df

#See the top & bottom rows of the frame'''
print df.head(2)
print df.tail(1)

#Display the index, columns, and the underlying numpy data,num of line and col
print df.index
print df.columns
print df.values
print df.shape[0]
print df.shape[1]

#Describe shows a quick statistic summary of your data
print df.describe()

#Transposing your data
print df.T

#Sorting by an axis,0 is y,1 is x,ascending True is zhengxv,false is daoxv
print df.sort_index(axis=0, ascending=False)

#Sorting by values
print df.sort(column='B')

#see valuenums
print df[0].value_counts()
print df[u'hah'].value_counts()

#see type and change
df.dtypes
df[['two', 'three']] = df[['two', 'three']].astype(float)

选取数据

了解了数据基本信息后,我们可能要对数据进行一些裁剪。很多情况下,我们并不需要数据的全部信息,因此我们要学会选取出我们感兴趣的数据和行列,接下来的例子就是对数据的裁剪:

def selection():

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
print df

#Selecting a single column, which yields a Series, equivalent to df.A
print df['A']
print df.A

#Selecting via [], which slices the rows.
print df[0:3]
print df['20130102':'20130104']

#Selection by Label

#For getting a cross section using a label
print df.loc[dates[0]]

#Selecting on a multi-axis by label
print df.loc[:,['A','B']]

#Showing label slicing, both endpoints are included
print df.loc['20130102':'20130104',['A','B']]

#For getting a scalar value
print df.loc[dates[0],'A']
print df.at[dates[0],'A']


#Selection by Position

#Select via the position of the passed integers
print df.iloc[3]

#By integer slices, acting similar to numpy/python
print df.iloc[3:5,0:2]

#By lists of integer position locations, similar to the numpy/python style
print df.iloc[[1,2,4],[0,2]]

#For slicing rows explicitly
print df.iloc[1:3,:]

#For getting a value explicitly
print df.iloc[1,1]
print df.iat[1,1]


#Boolean Indexing

#Using a single column's values to select data.
print df[df.A > 0]

#Using the isin() method for filtering:
df2 = df.copy()
df2['E'] = ['one', 'one','two','three','four','three']
print df2[df2['E'].isin(['two','four'])]

#A where operation for getting.
print df[df > 0]
df2[df2 > 0] = -df2

#Setting
#Setting a new column automatically aligns the data by the indexes
s1 = pd.Series([1,2,3,4,5,6], index=pd.date_range('20130102', periods=6))
df['F'] = s1
print df

#Setting values by label/index
df.at[dates[0],'A'] = 0
df.iat[0,1] = 0
print df

#Setting by assigning with a numpy array
df.loc[:,'D'] = np.array([5] * len(df))
print df

文件操作

很多时候,我们的数据并不是自己生成的,而是从文件中读取的,数据文件则具有各种各样的来源,下面就展示如何加载和保存数据。pandas提供了多种API,可以加载txt/csv/libsvm等各个格式的数据,完全可以满足数据分析的需求

def file():
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index,
columns=['A', 'B', 'C', 'D'])
pd.read_csv('foo.csv')
df.to_csv('foo.csv')

推荐阅读
author-avatar
浅笑二度
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有