資源簡介

(共36張PPT)
利用pandas模塊處理數據
常用數據處理模塊
numpy模塊：科學計算的基礎庫。
pandas模塊：處理表格數據的庫。
matplotlib模塊：繪圖庫，可快速繪制圖表。
導入pandas模塊：
import pandas as pd
Pandas數據結構
Series數據結構：
一維數據結構，包含一組數據和一個與數據關聯的行索引（index）。索引值默認從0開始遞增。
Series數據結構
創建Series對象
列表創建Series數據結構。
import pandas as pd
s=pd.Series([166,178,180])
#創建Series對象時指定行索引
import pandas as pd
s=pd.Series([166,178,180],index=[“s01”,”s02”,”s03”])
Series數據結構
創建Series對象
字典創建Series數據結構。
字典的鍵作為行索引
import pandas as pd
a={“s01”:166,”s02”:178,”s03”:180}
s=pd.Series(a)
Series數據結構
常用屬性
index：獲取索引
values：獲取數據
import pandas as pd
s=pd.Series([166,178,180],index=[“s01”,”s02”,”s03”])
for i in s.index:
print(i)
for j in s.values:
print(j)
Series數據結構
查看和修改Series對象中的數據
import pandas as pd
s=pd.Series([166,178,180],index=[“s01”,”s02”,”s03”])
print(s [“s01”]) #輸出行索引為“s01”的值
s[“s01”]=170 #修改行索引為“s01” 的值為170
s[“s04”]=190 #添加新的數據
Pandas數據結構
DataFrame數據結構：
二維數據結構，由一個行索引、列標題和數據組成的數據結構。行索引默認從0開始
01
姓名 性別
張三 男
列標題
行索引
數據
李麗 女
DataFrame數據結構
創建DataFrame對象
通過相等長度的列表創建DataFrame數據結構。行索引默認從0開始
import pandas as pd
data=[[“張三”, “男”],[“李麗”, “女”]]
s=pd.DataFrame(data,columns=[“姓名”,”性別”])
01
姓名 性別
張三 男
李麗 女
DataFrame數據結構
創建DataFrame對象
通過相等長度的字典創建DataFrame數據結構。
字典的鍵作為列標題，字典的值作為數據
import pandas as pd
data={“姓名”：[“張三”,”李四”],”性別”：[“男”,”男”]}
s=pd.DataFrame(data)
DataFrame數據結構
讀取文件創建DataFrame數據結構。
Excel
Pandas
DataFrame數據結構
創建DataFrame對象
讀取二維數據文件創建DataFrame數據結構。
import pandas as pd
df=pd.read_csv(“2.csv”)
常用屬性顯示索引、列標題及值：
df.index：行索引
DataFrame數據結構
常用屬性顯示索引、列標題及值：
df.columns：列標題
DataFrame數據結構
常用屬性顯示索引、列標題及值：
df.values：獲取數據
DataFrame數據結構
常用屬性顯示索引、列標題及值：
d.T：行列轉置
DataFrame數據結構
1、讀取excel文件創建二維數據結構s
2、獲取行索引
3、獲取列標題
4、獲取數據
二維數據結構，行索引默認從___開始
DataFrame數據結構
檢索一列數據：
df.列名 df[“列名”]
檢索多列數據：
df[[“列名”,”列名”,”列名”]]
DataFrame數據結構
某列數據擴大或縮小c倍：
df.列名*c df.列名/c
列數據進行計算（不可有空單元格）
df.列名+df.列名
DataFrame數據結構
檢索行數據：
df [開始行索引：結束行索引]
或
df.loc[行索引]
DataFrame數據結構
篩選滿足條件的若干行數據：
df[條件]
注：篩選滿足多個條件時用連接符號：且用&，或用|，條件用（）
df[（df.學校==“一中”）&（ df.成績>=99 ）]
DataFrame數據結構
檢索具體某個單元格的數據：
①df.at[行索引，"列名"]
②df["列名"][行索引] ，df.列名[行索引]
5、獲取一列數據，獲取多列數據
6、獲取某行數據
7、篩選成績大于90的若干行數據
8、檢索具體某個單元格的數據
DataFrame數據結構
一、排序
①df. sort_values(“列名”，ascending=True/False，inplace=True/False)
排序方式：
True升序，False降序
不寫默認升序
是否修改原數據：
True修改，False不修改
不寫默認不修改
將排序結果重新賦值給變量時不需要修改原數據
df1=df. sort_values(“成績”，ascending=False)
DataFrame數據結構
二、刪除
①df. drop(行索引，inplace=True/False)
②df.drop(“列名”,axis=1, inplace=True/False)
將排序結果重新賦值給變量時不需要修改原數據
df1=df.drop(“人數”,axis=1)
不寫默認不修改
DataFrame數據結構
三、分組
df.groupby(“列名”，as_index=True/False)
是否作為行索引
默認是True
DataFrame數據結構
1、按成績列降序排序，賦給df1
2、刪除成績列，賦給df1
3、刪除第三行，賦給df1
4、按班級分組求和，且班級不作為行索引
常用函數
①插入一列數據：df.insert(列位置，列標題，數據)
如df.insert(3，“測試”，data)
或df[“新增列名”]=數據
②追加函數：
df1=df.append({“學校”：”五中”,”分數”:85，人數：“7”}，ignore_index=True)
DataFrame數據結構
常用函數
①統計非空數據項
df.count（） #返回非空數據項的數量
DataFrame數據結構
②求和、求最大值、求最小值、求平均值
df.sum() #求某一列、某些列和
df.max() df.min() #返回最大值或最小值
df.mean() #求某一列、某些列平均值
DataFrame數據結構
③ df[“總分”]= df.sum(axis=1)
求某行數字的和
【全適用】
DataFrame數據結構
④df[“總分”]=df.成績+df.人數
求某行數字的和
【單元格有空值不可用】
常用函數
④找出DataFrame的前/后多少行
df.head(2) #前兩行
df.tail(2) #后兩行
df.head() 參數不寫，默認取前五行
DataFrame數據結構
4、插入一列數據
5、統計非空數據項個數、求平均值
6、取前兩行、取后兩行
7、按行求和

展開更多......

收起↑