python数据分析基础教程—从入门到精通pandas操作

从入门到精通pandas操作

Pandas简介：Python Data Analysis Library（数据分析处理库）或pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

pandas的数据结构：

Series：一维数组，与Numpy中的一维ndarray类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。

Time- Series：以时间为索引的Series。

DataFrame：二维的表格型数据结构，可以理解为Series的容器。

Panel ：三维的数组，可以理解为DataFrame的容器。

本文主要介绍DateFrame数据结构。

本文中用到的数据集为food_info.csv，若有需要，在留言区留言即可获得。

本文只是介绍pandas的基本使用，若要详细深入学习，请参阅pandas官方文档。

1.读取.csv格式的数据文件

food_info.csv文件的局部预览图：

每一行：代表一种食品所包含的各种营养成分#导包

import pandas

#读取数据文件，并将数据赋值成一个变量

.

.

food_info = pandas.read_csv("food_info.csv")

#将数据赋值成一个变量后，打印此变量的类型为Dataframe .

.

print(type(food_info))

#打印文件中数据的类型。object类型即string类型

print(food_info.dtypes)

#若对pandas中的某函数不了解，可以通过help()来查看.

.

print(help(pandas.read_csv))

.

运行结果：

补充：DataFrame结构中的dtype类型

object————for string values

int————for integer values

float————for float values datetime————for time values

bool————for Boolean values

2. DataFrame类型的变量拥有的操作

在第一步中，将要处理的数据文件读取出来并赋值给一个变量

food_info，此变量的类型为DataFrame类型，下边将会对这个变量进行操作。

2.1 .head()函数：读取并显示数据的前几行

A. 无参数：缺省默认显示前5行数据

.

#缺省默认显示前5行数据

.

.

food_info.head()

.

运行结果：

B. 有参数： .head(a)函数如果添加参数a，则显示数据的前a行

.

#读取并显示数据的前3行

.

.

food_info.head(3)

.

运行结果：

2.2 .tail()函数：读取并显示数据的后几行

A. 无参数：.缺省默认显示后5行数据

.

#缺省默认显示后5行数据

.

.

food_info.tail()

.

运行结果：

B. 有参数：.tail(a)函数如果添加参数a，则显示数据的末尾a行

.

#读取并显示数据的后3行

.

.

food_info.tail(3)

.

运行结果：

有print与没有print的区别

没有实质性的差别，只是显示的形式不同而已。

print(food_info.tail(3)) #有print和没有print显示形式有些不同运行结果：

2.3 .columns函数：读取并显示列名

.

#读取并显示列名

.

.

food_info.columns

.

.

#print(food_info.columns)

.

运行结果：

2.4 .shape函数：返回数据文件的行数和列数

.

#读取并显示文件的行数和列数

.

.

food_info.shape

.

运行结果：

2.5 .loc[ ]函数：读取文件中特定行位置的数据

在Pandas中取文件特定位置的数据不像python和numpy中那样直接通过index来调

A. .loc[a]函数，参数a：取第a+1行的数据（index是从0开始的）

.

#读取并显示特定行的数据

.

.

#返回第一行的文件数据

.

.

food_info.loc[0]

.

运行结果：

注意：当index的值超过了文件的样本个数，会报错（越界）

.

#返回第8889行的文件数据

.

.

food_info.loc[8888]

.

运行结果：

B. .loc[a:b]函数，参数a:b ：取从第a行到第b行的数据

.

#返回数据文件的3——6行数据