标签：... 入门 NaN titanic pd print 快速 pandas

安装

pip3 install pandas

pandas快速入门

1 pandas擅长处理哪些数据

在处理表格数据时，例如存储在电子表格或数据库中的数据，pandas是适合您的工具。pandas将帮助您探索、清理和处理数据。在pandas中，数据表称为DataFrame。

要加载pandas包并开始使用它，请导入该包。社区一致使用的pandas别名是pd，因此将pandas加载为pd是所有pandas文档的标准做法：

import pandas as pd

2 创建DataFrame

下面是一个简单的示例：

import pandas as pd
mydataset = {
  'sites': ["aaa", "bbb", "ccc"],
  'number': [1, 2, 3]
}
myvar = pd.DataFrame(mydataset)
print(myvar)
"""
输出：
  sites  number
0   aaa       1
1   bbb       2
2   ccc       3
"""

二维数组的手动创建使用DataFrame方法，使用字典+列表来创建时，字典的key将用作列标题，对应的value列表中的值将用作DataFrame的列。DataFrame是一种二维数据结构，可以在列中存储不同类型的数据（包括字符、整数、浮点值、分类数据等），非常类似于excel表格数据。

还可以使用字典创建：

data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)
"""
输出：
   a   b     c
0  1   2   NaN
1  5  10  20.0
"""

没有对应的部分数据为NaN。

使用loc属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推：

print(df.loc[1]) # 输出第二行
"""
输出：
a     5.0
b    10.0
c    20.0
Name: 1, dtype: float64
"""

还可以返回多行数据：

print(df.loc[[0,1]]) # 返回第一行和第二行
"""
输出：
   a   b     c
0  1   2   NaN
1  5  10  20.0
"""

如果我们只关心某一列的数据：

mydataset = {
  'sites': ["aaa", "bbb", "ccc"],
  'number': [1, 2, 3]
}
myvar = pd.DataFrame(mydataset)
print(myvar["number"])
"""
输出：
0    1
1    2
2    3
Name: number, dtype: int64
"""

使用方括号即可选择单列，在选择pandas中DataFrame的单列/单行时，结果是Series类型，也就是pandas中的一维数组。

和返回多行类似，也可以返回多列：

mydataset = {
  'sites': ["aaa", "bbb", "ccc"],
  'number': [1, 2, 3]
}
myvar = pd.DataFrame(mydataset)
print(myvar[["sites","number"]]) # 返回sites和number列
"""
输出：
  sites  number
0   aaa       1
1   bbb       2
2   ccc       3
"""

3 创建Series

Series类似表格中的一个列（column），可以保存任何数据类型。

ages = pd.Series([22, 35, 58], name="Age")
print(ages)
"""
输出：
0    22
1    35
2    58
Name: Age, dtype: int64
"""

其中，左侧的0，1，2为索引，右侧对应的是数据。

一维数组的手动创建使用Series方法，它的参数为：

pandas.Series( data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray类型/python列表/字典)。
• index：数据索引标签，如果不指定，默认从 0 开始。
• dtype：数据类型，默认会自己判断。
• name：设置名称。
• copy：拷贝数据，默认为False。

通过索引可以获取数据，同样使用中括号即可：

ages = pd.Series([22, 35, 58], name="Age")
print(ages[1])
"""
输出：
35
"""

索引默认从0开始，也可以自己手动指定：

a = ["aaa", "bbb", "ccc"]

myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)
print(myvar["y"])
"""
输出：
x    aaa
y    bbb
z    ccc
dtype: object
bbb
"""

一维数组的创建也可以通过字典创建：

dic={1:"aaa",2:"bbb",3:"ccc"}
myvar = pd.Series(dic)

print(myvar)
"""
输出：
1    aaa
2    bbb
3    ccc
dtype: object
"""

可见字典的key变成了索引值。如果我们只需要字典中的一部分数据，只需要指定需要数据的索引即可：

dic={1:"aaa",2:"bbb",3:"ccc"}
myvar = pd.Series(dic,index=[1,2]) # 只需要索引1，2的数据

4 基于一维和二维数组进行操作

使用max输出最大的元素：

data=[16,22,66,53]
ages = pd.Series(data, name="Age")
print(ages.max())
"""
输出：
66
"""

对于二维数组DataFrame同样有效：

data = {
  'sites': ["aaa", "bbb", "ccc"],
  'number': [1, 2, 3]
}
ages = pd.DataFrame(data)
print(ages.max(axis=0)) # 指定axis=0
"""
输出：
sites     ccc
number      3
dtype: object
"""

输出的是每一列的最大元素。同理还有min方法，不再赘述。

如上所述，可以使用DataFrame或Series执行操作。pandas提供了很多功能，每个功能都是可以应用于DataFrame或Series的方法。

5 导入和导出pandas对象

pandas可以很方便的处理.csv文件，原始数据文件（泰坦尼克乘客数据）可以在官方github下载。

要想分析泰坦尼克号乘客数据，以CSV文件的形式导入：

titanic = pd.read_csv("data/titanic.csv")

通过read_csv方法，将存储为.csv文件的数据读入pandas，返回的是DataFrame对象。除此之外，pandas还支持许多不同的文件格式或开箱即用的数据源（csv、excel、sql、json、parquet等），每个文件读取方法都带有前缀read_*。

这是一个非常大的文件，我们可以只显示其中一部分数据：

titanic = pd.read_csv("titanic.csv")
print(titanic.head(5)) # 前5行
print(titanic.tail(5)) # 后5行
"""
输出：
   PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
1            2         1       1  ...  71.2833   C85         C
2            3         1       3  ...   7.9250   NaN         S
3            4         1       1  ...  53.1000  C123         S
4            5         0       3  ...   8.0500   NaN         S
[5 rows x 12 columns]
886          887         0       2  ...  13.00   NaN         S
887          888         1       1  ...  30.00   B42         S
888          889         0       3  ...  23.45   NaN         S
889          890         1       1  ...  30.00  C148         C
890          891         0       3  ...   7.75   NaN         Q
[5 rows x 12 columns]
"""

head读取文件的前5行，tail读取文件的后5行。

print(titanic.info())
"""
输出：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   PassengerId  891 non-null    int64  
 1   Survived     891 non-null    int64  
 2   Pclass       891 non-null    int64  
 3   Name         891 non-null    object 
 4   Sex          891 non-null    object 
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64  
 7   Parch        891 non-null    int64  
 8   Ticket       891 non-null    object 
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object 
 11  Embarked     889 non-null    object 
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB
None
"""

info方法返回表格的一些基本信息，比如行数，列数，类型，用于保存DataFrame大致内存使用量等信息。

下面介绍如何导出数据，比如将泰坦尼克号数据导出为电子表格。

titanic.to_excel("titanic.xlsx", sheet_name="passengers", index=False)

即可在当前路径导出titanic.xlsx表格文件。

6 选择二维数组的子集

在上述介绍中，通过loc可以子集，下面是它更加详细的用法。

如果想从泰坦尼克号乘客中选择35岁以上的人：

titanic = pd.read_csv("titanic.csv")
above_35=titanic[titanic["Age"]>35]
print(above_35.head(5))
"""
输出：
    PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
1             2         1       1  ...  71.2833   C85         C
6             7         0       1  ...  51.8625   E46         S
11           12         1       1  ...  26.5500  C103         S
13           14         0       3  ...  31.2750   NaN         S
15           16         1       2  ...  16.0000   NaN         S
[5 rows x 12 columns]
"""

可以打印括号内的条件检查看一看：

print(titanic["Age"]>35)
"""
输出：
0      False
1       True
2      False
3      False
4      False
       ...  
886    False
887    False
888    False
889    False
890    False
Name: Age, Length: 891, dtype: bool
"""

使用逻辑运算符>/</>=等等得到布尔值，这样的布尔值可用于过滤，将其放在选择括号之间，输出结果只会选择True值所在的行。

如果对2、3舱的乘客感兴趣，可以使用isin方法，它会判断并返回一个字段下每一行数据的布尔值是否为2或3：

class_23 = titanic[titanic["Pclass"].isin([2, 3])]
print(class_23.head(5))
"""
输出：
   PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
2            3         1       3  ...   7.9250   NaN         S
4            5         0       3  ...   8.0500   NaN         S
5            6         0       3  ...   8.4583   NaN         Q
7            8         0       3  ...  21.0750   NaN         S
[5 rows x 12 columns]
"""

也可以通过逻辑运算符来实现，它们是等效的：

class_23 = titanic[(titanic["Pclass"] == 2) | (titanic["Pclass"] == 3)]
# 组合多个条件语句时，每个条件必须用括号括起来()
# 不要使用python的 and和or 而是使用 &和|代替

notna可以过滤空值：

age_no_na = titanic[titanic["Age"].notna()]
print(age_no_na.head(5))
"""
输出：
   PassengerId  Survived  Pclass  ...     Fare Cabin  Embarked
0            1         0       3  ...   7.2500   NaN         S
1            2         1       1  ...  71.2833   C85         C
2            3         1       3  ...   7.9250   NaN         S
3            4         1       1  ...  53.1000  C123         S
4            5         0       3  ...   8.0500   NaN         S
[5 rows x 12 columns]
"""

从DataFrame中选择特定的行和列，比如对35岁以上乘客的姓名感兴趣：

adult_names = titanic.loc[titanic["Age"] > 35, "Name"]
print(adult_names.head(5))
"""
输出：
1     Cumings, Mrs. John Bradley (Florence Briggs Th...
6                               McCarthy, Mr. Timothy J
11                             Bonnell, Miss. Elizabeth
13                          Andersson, Mr. Anders Johan
15                     Hewlett, Mrs. (Mary D Kingcome) 
Name: Name, dtype: object
"""

在这种情况下，使用中括号[]需要用逗号分隔，前面的部分是loc方法选择的行，后面的部分是要选择的列（这里选择了"Name"列）。

如果对第10到25行和第3到5列感兴趣：

print(titanic.iloc[9:25, 2:5])
"""
输出：
    Pclass                                               Name     Sex
9        2                Nasser, Mrs. Nicholas (Adele Achem)  female
10       3                    Sandstrom, Miss. Marguerite Rut  female
11       1                           Bonnell, Miss. Elizabeth  female
12       3                     Saundercock, Mr. William Henry    male
13       3                        Andersson, Mr. Anders Johan    male
14       3               Vestrom, Miss. Hulda Amanda Adolfina  female
15       2                   Hewlett, Mrs. (Mary D Kingcome)   female
16       3                               Rice, Master. Eugene    male
17       2                       Williams, Mr. Charles Eugene    male
18       3  Vander Planke, Mrs. Julius (Emelia Maria Vande...  female
19       3                            Masselmani, Mrs. Fatima  female
20       2                               Fynney, Mr. Joseph J    male
21       2                              Beesley, Mr. Lawrence    male
22       3                        McGowan, Miss. Anna "Annie"  female
23       1                       Sloper, Mr. William Thompson    male
24       3                      Palsson, Miss. Torborg Danira  female
"""

一次生成行和列的子集，仅使用中括号[]已经不够了，此时需要使用iloc方法配合中括号选择。

标签：...,入门,NaN,titanic,pd,print,快速,pandas
来源： https://www.cnblogs.com/yyyzyyyz/p/16515197.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。