Pandas 学习笔记

1 Series

1.1 Series 创建

• 根据列表创建：

s1 = pd.Series([4,7,-5,3]) # 默认 index: 0, 1, 2, ...

0    4
1    7
2   -5
3    3
dtype: int64

• 根据列表创建并制定索引

s2 = pd.Series([4,7,-5,3],index=['d','b','a','c']) # 指定 index

d    4
b    7
a   -5
c    3
dtype: int64

• 根据字典创建：

sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000} # 指定了index 名称和其对应的值
s3 = pd.Series(sdata)

Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

• 根据字典创建，并指定索引：

sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
states = ['California','Ohio','Texas','Oregon'] # 跟上面差不多，只不过再根据该列表指定的 index 重新排序
s4 = pd.Series(sdata,index = states)

California        NaN
Ohio          35000.0
Texas         71000.0
Oregon        16000.0
dtype: float64

1.2 访问 Series

• 索引值访问；
• 下标数字访问；
• 传入含有多个索引值的列表，返回一个 Series 。

# s2:
'''
d    4
b    7
a   -5
c    3
dtype: int64
'''

s2[2] # -5

s2['a'] # -5

s2[['a','b','d']]
# 输出
'''
a   -5
b    7
d    4
dtype: int64
'''

1.3 切片

与利用下标进行切片不同，使用标签进行切片时，末端是包含的：

obj['b':'c']
# 输出
b    1.0
c    2.0
dtype: float64

2 DataFrame

2.1 创建

• 创建空 DataFrame

df = pd.DataFrame()

• 从文件读取

df1 = pd.read_excel("filename.xlsx")
df2 = pd.read_csv("filename.csv")

• 直接创建，无数据

pd.DataFrame(columns=['A', 'B', 'C'], index=[0,1,2])

• 从二维数组创建

pd.DataFrame(data=[['Apple',5],
                   ['Banana',10],
                   ['Cherry',8],
                   ['Dates',3],
                   ['Eggfruit',7]],
             columns = ['Fruits','Quantity'],
             index=[1,2,3,4,5])

• 从字典创建

注意，这里的键值是作为 Column 值。

fruits_dict = { 'Fruits':['Apple','Banana','Cherry','Dates','Eggfruit'],
                'Quantity': [5, 10, 8, 3, 7],  
                'Color': ['Red', 'Yellow', 'Red', 'Brown', 'Yellow']}
pd.DataFrame(fruits_dict)

• 从 Series 创建

df2 = pd.DataFrame(pd.Series(np.random.randint(1, 10, 100)), columns = ['xxx'])

2.2 增加、修改

dataFrame["新增列"] = 6
# 新增行
dataFrame.loc["c"] = [55,88,99,66]
dataFrame

	第一列	第二列	第三列	新增列
a	1		2		3		6
b	4		5		6		6
c	55		88		99		66

# 另外，append也可以增加，但是它增加的索引是默认值，而且之前的index会变列
dataFrame.append([55])

	0	新增列	第一列	第三列	第二列
a	NaN	6.0 	1.0	 	3.0		2.0
b	NaN	6.0 	4.0		 6.0	5.0
c	NaN	66.0	55.0	 99.0	88.0
0	55.0 NaN 	 NaN	NaN		NaN

df.append(Series, ignore_index=True)
# 增加一行，记得 ignore_index

2.3 删除

# 删除行
df.drop('Charlie', axis=0)
# 默认值为axis = 0，因此可以省略axis。
print(df.drop('Charlie'))

# 删除列,注意这里的0是列名哦
dataFrame.drop('age', axis=1)

2.4 查看

# 前N行,不写参数N，则是前五行
dataFrame.head(N)

# 后N行,不写参数N，则是后五行
dataFrame.tail(N)

2.5 保存至文件

dataFrame.to_excel("输出.xlsx",index=False,sheet_name="1")

2.6 操作

• 排序

df.sort_values(by=0,ascending=False,axis=1)
# by: 根据该列/行名排序
# ascending: 升序，默认为 True
# axis: 给列排序，默认为0

• 重命名

主要用到的参数有：

• columns：列名
• index：行名
• axis：指定坐标轴
• inplace：是否替换，默认为False。inplace为False时返回修改后结果，变量自身不修改。inplace为True时返回None,变量自身被修改。

df.rename(columns={"A": "a", "B": "c"})  # 修改columns。inplace未设置，返回修改后的结果

df_re = df.rename(index={0:"0a",1:"1a"})  # 同样的方式修改行名

• 筛选

1. 如果想要筛选出 B列大于零 的行：

   df1 = df[df['B']>0]
   

2. 如果想要筛选出 B列中大于零 的行，同时只显示B列的数据：

   df2 = df['B'][df['B'] >0]
   

3. 如果想要筛选出 B列大于零，同时C列小于零的行：

   df3 = df[(df['B']>0)&(df['C']<0)]  # 这里&符号可以实现多条件的筛选