Pandas学习笔记常用功能.doc

Pandas 学习笔记常用功能

本文是关于pandas 的学习笔记，由于pandas 会用到numpy ，可能需要读者简单了解一下numpy 的内容，不过

有用到的部分我会在文中进行简单解释说明。资料来源主要

是两块，一是pandas: powerful Python data analysis toolkit ；另一个《利用python 进行数据分析》（ Wes McKinney ）目

录一、pandas 的安装和使用二、python 数据结构三、对数

据类型的操作四、总结

一、 pandas 的安装和使用 Pandas 和其他 python 的库安装方式

一样， whl 、源码或者 pip ，在此就不赘述了， Python Data Analysis Library 上面有 github 源码和 whl 文件。注意： pandas

安装会用到 numpy 库，因此在安装 pandas 之前一定要安装好numpy 。Pandas 安装的时候还有两个大坑：如果如果是 VC++

is required ，说明要装 Visual Studio ，这个

百度Visual Studio 安装即可；如果是excention is required ，比如我碰到的CExcention ，说明需要安装对应的拓展包，这个情况可以通过Python Extension Packages for Windows

这个网站下载。由于欧皇血统，安装过程不算崎岖，希望踩

到其他坑的小伙伴可以多留言让我们整理一下碰到的问题。

Pandas 在使用的时候一般会和 numpy 一起使用，并且官方给pandas 简称 pd ，numpy 简称 np ，原因我就不知道了。

二、 python 数据结构说明：pandas 当中数据类型会具体涉

及到int32 、int64 等等，没有进行设置的时候pandas 默认

输出64 位，如果考虑内存使用效率的话可以自行修改。1、SeriesSeries 可以理解为一个一维的数组，只是index 可以

自己改动。创建的方法统一为pd.Series(data,index=)。打印

的时候按照index 赋值的顺序，有的时候会看着很别扭。某

个 index 对应的值为空就用 NaN 。 index 参数默认从 0 开始的整

数，也是 Series 的绝对位置，即使 index 被赋值之后，绝对位置

不会被覆盖。 Series 可以通过三种形式创建：

python 的 dict 、numpy 当中的 ndarray （ numpy 中的基本数据

结构）、具体某个数值。 index 赋值必须是 list 类型。Python

的dict 创建：

s = pd.Series({‘ a’ =1,’ b’ =2,’ d’ =3},index = [‘ a’ ,’ d’ ,

输出： a 1

d 3

c NaN

b 2

dtype ： int64

numpy 中的 ndarray ：

s = pd.Series(np.random.randn(5), index = list('ABCDE')

输出： A-1.130657

B-1.539251

C 1.503126

D 1.266908

E0.335561

dtype: float64

具体某个值：

s=pd.Series(5)

输出： 0 5

dtype: int64

s=pd.Series([5,4])

输出： 0 5

1 4

dtype: int64

s=pd.Series([5,4],index=list[‘ abcd ’ ])

输出： ERROR

S=pd.Series(5,index=list(‘ abcd ’ ))

a 5

b 5

c 5

d 5

dtype:int64

像这种具体某个值的创建方法，保证每行数据精准性的话很麻烦，并且用起来会不小心把其他数据覆盖掉，因此我个人

用的比较少。注意：创建 Series 的时候要注意创建行数和索

引数量匹配的问题，如果默认的话会自动匹配创建的行数。

除了创建肯定需要查询，这时候会用到s.values 和 s.index ，

分别查询值和索引。

2、 DataFrameDataFrame是一个类似于表格的数据类型，

如图：

有这样一些参数：data（方框内的数据）: numpy ndarray (structured or homogeneous), dict, or DataFrameindex （行

索引索引） : Index or array-likecolumns （列索引） : Index or array-likedtype （ data 的数据类型）: dtype, default NoneDataFrame 可以理解为一个二维数组， index 有两个维度，可更改。 DataFrame统一的创建形式为：

pd.DataFrame(data,columns=,index=) 其中columns 为列的索引， index 为行的索引。 index 或者 columns 如果不进行

设置则默认为0 开始的整数，也是行的绝对位置，不会被覆

盖；而通过外部数据（比如打开文件）创建DataFrame的

话需要注意列名匹配的问题，给 columns 赋的值如果和数据

来源当中列名不一样的话，对应的列下面会出现NAN 。还有

个常用参数为orient ，默认为空，如果赋值’index ’则将输入Series 的 index 值作为 DataFrame的columns。栗子如下：

a = pd.read_csv('c:/users/15418/Desktop/bajiao.csv')

pd.DataFrame(a,columns = ['a','b','commentsNum'])