(
课件网) 第四章 数据处理与应用 4.2.2 pandas数据处理 人生苦短 我用python pandas处理数据 数据处理可以使用现成的软件或平台,也可以通过编写程序实现。Python语言丰富的标准模块和扩展库提供了许多高效灵活的函数,可以帮助我们较好地进行数据整理。 numpy scipy pandas matplotlib DateFrame数据结构 Series数据结构 在Python中引入pandas模块： import pandas as pd 1. Series Series是一维数组，由一个数组的数据和一个与数据关联的索引（index）,索引值默认是从0起递增的整数。 import pandas as pd #导入pandas模块 s1 = pd.Series([3,4, 5, 6]) print(s1) 0 3 1 4 2 5 3 6 左列：index 右列：values import pandas as pd #导入pandas模块 s2 = pd.Series([“高二”,16, 180], index=["年级","年龄","身高"]) print(s2) 年级 高二 年龄 16 身高 180 左列：index 右列：values for i in s2.index : print(i) 运行结果： 年级 年龄 身高 for i in s2.values : print(i) 运行结果： 高二 16 180 Series数据结构 Series数据结构 import pandas as pd #导入pandas模块 s2 = pd.Series([“高二”,16, 180], index=["年级","年龄","身高"]) #通过索引赋值，改变s2中对象的值 s2[“身高”]=190 print(s2) 年级 高二 年龄 16 身高 190 DateFrame数据结构 DataFrame对象是一个二维表格,由1个索引列（index）和若干个数据列组成。其中，每列中的元素类型必须一致，而不同的列可以拥有不同的元素类型，由长度相等的列表或字典创建。 import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} #字典是无序的，因此需要通过columns指定列索引的排列顺序 df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df) index columns中存放列标题，决定数据列输出的顺序，若columns不设置参数，默认列顺序为：name,sex,aged import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} #字典是无序的，因此需要通过columns指定列索引的排列顺序 df = pd.DataFrame(data,columns=["aged","sex","name"]) print(df) DateFrame数据结构 还可以通过导入二维数据文件创建DataFrame对象 pd.read_csv(文件名) 从csv文件导入数据 pd.read_excel(文件名) 从excel文件中导入数据 df.to_csv(文件名) 导入数据到csv文件 df.to_excel(文件名) 导入数据到excel文件 import pandas as pd df=pd.read_excel("test.xlsx") print(df) test.xlsx DateFrame数据结构 import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df) for i in df.index: print(i) for i in df.columns: print(i) for i in df.values: print(i) df.T #行列转置 运行结果： 0 1 2 运行结果： name sex aged 运行结果： [‘王晓明’ ‘男’ 20] [‘李静’ ‘女’ 19] [‘田海’ ‘男’ 21 ] DateFrame数据结构 查看DataFrame中的数据列：通过字典记法，属性检索 import pandas as pd data = {"name":["王晓明","李静","田海"], "sex":["男","女","男"], "aged":[20,19,21]} df = pd.DataFrame(data,columns=["name","sex","aged"]) print(df) #通过属性检索列 print(df.name) #通过字典记法检索列 print(df[“sex”]) #修改列内容 df.aged=[20,20,22] print(df) DateFrame数据结构 查看DataFrame中的数据行：通过索引查看指定行、通过布尔型数据选取满足条件的行 import pandas as pd data = {"n ... ...
