• 1.创建对象
• 2.查看数据
• 3.数据选择
  • ”[]”直接使用
  • loc,iloc,ix,iat
  • 通过bool序列进行索引

pandas 是 python 下面的一个科学运算包,本文是模仿博客从三个方面来介绍, 创建对象,查看数据,数据选择

import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt 
%matplotlib inline

1.创建对象

pandas 是中的对象有 Dataframe 和 Series , Series 是一维数据展示,而 DataFrame 是多维数据,相对于 numpy 的 __array__的不同是列与列之间存储的内容的类型可以不同,但是列内类型会强制转换成相同.

详情参阅Data Structure Intro Section

首先尝试构建Series对象. Series 需要 list 作为输入数据, pandas 会自动为其生成 integer 索引.

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

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

构建DataFrame对象,如果是手工构建,是需要读入一个 numpy 数组,列名和索引也能够自动生成,但你也能在构建.

data = pd.DataFrame(np.random.randn(6,4))
data

df = pd.DataFrame(np.random.randn(6,4),index=list('ABCDEF'),columns=list('!@#$'))
df

也可以使用 dict 对象,这个表现很直接, dict 键值对应DataFrame对象的列名,索引是自动生成.

 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' })
df2

2.查看数据

主要是查看 DataFrame 的头和尾,列名,索引以及描述信息操作.

详情参阅Basics section

查看DateFrame的top & Bottom 信息.

df.head()

df.tail(3)

查看索引(index)信息,列名(columns)信息和 numpy 数据.

df.index

Index([u'A', u'B', u'C', u'D', u'E', u'F'], dtype='object')

df.columns

Index([u'!', u'@', u'#', u'$'], dtype='object')

df.values

array([[ 0.21925947,  0.03384101,  0.08414998,  0.79434669],
       [-0.73635939,  1.43869561, -0.02047871,  0.06073024],
       [-2.2159687 , -0.15333967,  0.51589987,  0.0985342 ],
       [-0.82258259,  0.32545932, -0.13461521,  0.41944583],
       [ 0.12693888,  0.3024455 ,  0.90563948,  0.16511706],
       [-0.52360974,  0.702762  ,  1.02313089,  1.05221477]])

从values可以看出,数据是许多个array list组成,拼接成DataFrame.

使用descirbe能够快速展示 Dataframe 的统计学信息.

df.describe()

转置 Dataframe .

df.T

使用sort_index通过 axis 对 Dataframe 内容进行排序

df.sort_index(axis=1, ascending=False)

df.sort_index(axis=0, ascending=False)

axis 参数中0是 index 索引,1是 columns

也可以通过sort_values指定特定的 Column 来进行排序

df.sort_values(by='!')

3.数据选择

• ”[]”直接使用

  选择特定的列和行,行和列的选择有不同;选择列需要枚举 [[xx,xx]] ,选择行可以片选 [yy:yy]

df['!'] # the same as df.!

A    0.219259
B   -0.736359
C   -2.215969
D   -0.822583
E    0.126939
F   -0.523610
Name: !, dtype: float64

df[['!','@']]

df['A':'B']

df[0:3]

• loc,iloc,ix,iat

  loc 是使用索引和列定义的labe; iloc 是使用interger,支持”-1”,”-2”从后往前数位置; iat 类似于 iloc 但是只能定位单个元素;而 ix 是既能使用label,也能使用interger,但是在速度上要弱于 iloc

df.loc['A',:]

!    0.219259
@    0.033841
#    0.084150
$    0.794347
Name: A, dtype: float64

df.iloc[0,:]

!    0.219259
@    0.033841
#    0.084150
$    0.794347
Name: A, dtype: float64

df.iat[0,1]

0.033841006173188068

df.ix[0,:]

!    0.219259
@    0.033841
#    0.084150
$    0.794347
Name: A, dtype: float64

df.ix['A',1]

0.033841006173188068

索引到的数据能够直接进行修改,并保存在原来的 DataFrame 中

df.ix['A',:] = '-1'
df

• 通过bool序列进行索引

df[df['!'] > 0]

df[df > 0]