import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
对象创建
通过传入一些值的列表来创建一个Series, Pandas会自动创建一个默认的整数索引:
s = pd.Series([1,3,5,np.nan,6,8])
s
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
通过传递带有日期时间索引和带标签列的NumPy数组来创建DataFrame:
dates = pd.date_range('20130101',periods=6)
dates
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))
df
通过传递可以转化为类似Series的dict对象来创建DataFrame:
df2 = pd.DataFrame({ 'A' : 1.,'B' : pd.Timestamp('20130102'),'C' : pd.Series(1,index=list(range(4)),dtype='float32'),'D' : np.array([3] * 4,dtype='int32'),'E' : pd.Categorical(["test","train","test","train"]),'F' : 'foo' })
df2
df2.dtypes
A float64
B datetime64[ns]
C float32
D int32
E category
F object
dtype: object
查看数据
df.head()
df.tail(2)
显示索引、列和底层NumPy数据:
df.index
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04','2013-01-05', '2013-01-06'],dtype='datetime64[ns]', freq='D')
df.columns
Index(['A', 'B', 'C', 'D'], dtype='object')
df.values
array([[-0.82894761, 0.28176527, 0.80369199, 0.03001636],[ 0.41821203, 1.53752828, 0.40774162, 0.62544912],[ 0.74675688, -0.33814015, -0.73458287, -2.3771161 ],[-0.5077046 , -0.4095612 , -2.59628619, 0.46499331],[-0.15410053, -0.67505665, -0.74701636, -0.19208195],[ 0.89278944, -1.84831322, 0.8974336 , 0.15765575]])
df.describe()#显示数据的快速统计摘要
df.T
print( df.sort_index(axis=1, ascending=False))
print( df.sort_index(axis=0, ascending=False))
print( df.sort_index(axis=1, ascending=True))
print( df.sort_index(axis=0, ascending=True))
D C B A
2013-01-01 0.030016 0.803692 0.281765 -0.828948
2013-01-02 0.625449 0.407742 1.537528 0.418212
2013-01-03 -2.377116 -0.734583 -0.338140 0.746757
2013-01-04 0.464993 -2.596286 -0.409561 -0.507705
2013-01-05 -0.192082 -0.747016 -0.675057 -0.154101
2013-01-06 0.157656 0.897434 -1.848313 0.892789A B C D
2013-01-06 0.892789 -1.848313 0.897434 0.157656
2013-01-05 -0.154101 -0.675057 -0.747016 -0.192082
2013-01-04 -0.507705 -0.409561 -2.596286 0.464993
2013-01-03 0.746757 -0.338140 -0.734583 -2.377116
2013-01-02 0.418212 1.537528 0.407742 0.625449
2013-01-01 -0.828948 0.281765 0.803692 0.030016A B C D
2013-01-01 -0.828948 0.281765 0.803692 0.030016
2013-01-02 0.418212 1.537528 0.407742 0.625449
2013-01-03 0.746757 -0.338140 -0.734583 -2.377116
2013-01-04 -0.507705 -0.409561 -2.596286 0.464993
2013-01-05 -0.154101 -0.675057 -0.747016 -0.192082
2013-01-06 0.892789 -1.848313 0.897434 0.157656A B C D
2013-01-01 -0.828948 0.281765 0.803692 0.030016
2013-01-02 0.418212 1.537528 0.407742 0.625449
2013-01-03 0.746757 -0.338140 -0.734583 -2.377116
2013-01-04 -0.507705 -0.409561 -2.596286 0.464993
2013-01-05 -0.154101 -0.675057 -0.747016 -0.192082
2013-01-06 0.892789 -1.848313 0.897434 0.157656
df.sort_values(by='B')#按值排序
选择
df['A']#选择一个列,产生一个“Series”,相当于“df.A”
2013-01-01 -0.828948
2013-01-02 0.418212
2013-01-03 0.746757
2013-01-04 -0.507705
2013-01-05 -0.154101
2013-01-06 0.892789
Freq: D, Name: A, dtype: float64
df[0:3]#通过[ ]选择,对行进行切片
df['20130102':'20130104']
df.loc[dates[0]]#通过标签获取一行数据
A -0.828948
B 0.281765
C 0.803692
D 0.030016
Name: 2013-01-01 00:00:00, dtype: float64
df.loc['20130102':'20130104',['A','B']]
df.loc['20130102',['A','B']]#减小返回对象的大小
A 0.418212
B 1.537528
Name: 2013-01-02 00:00:00, dtype: float64
df.at[dates[0],'A']#获取标量值:
-0.8289476073976824
df.at[dates[0],'A']#快速访问标量
-0.8289476073976824
df.iloc[3]#通过传递的整数的位置选择
A -0.507705
B -0.409561
C -2.596286
D 0.464993
Name: 2013-01-04 00:00:00, dtype: float64
df.iloc[3:5,0:2]#通过整数切片
df.iloc[[1,2,4],[0,2]]#通过传递整数的列表按位置切片
df.iloc[1,1]#获取具体值
1.5375282822642125
布尔索引
df[df.A > 0]
df[df > 0]
赋值
s1 = pd.Series([1,2,3,4,5,6], index=pd.date_range('20130102', periods=6))
#添加新列将自动根据索引对齐数据
s1
2013-01-02 1
2013-01-03 2
2013-01-04 3
2013-01-05 4
2013-01-06 5
2013-01-07 6
Freq: D, dtype: int64
df['F'] = s1
df.at[dates[0],'A'] = 0#通过标签赋值
df.iat[0,1] = 0#通过位置赋值
df.loc[:,'D'] = np.array([5] * len(df))
df
df2 = df.copy()
df2[df2 > 0] = -df2
df2
插入
df.loc['new']=[1,2,3,4,5]
df
df3=pd.DataFrame([6,6,6,6,6]).T# 修改df4的column和df3的一致
df3.columns = df.columns
# 把两个dataframe合并,需要设置 ignore_index=True
df_new = pd.concat([df,df3],ignore_index=True)
df_new
统计
df.mean()#平均值
A 0.342279
B 0.038065
C 0.147283
D 4.857143
F 3.333333
dtype: float64
df.mean(1)
2013-01-01 00:00:00 1.450923
2013-01-02 00:00:00 1.672696
2013-01-03 00:00:00 1.334807
2013-01-04 00:00:00 0.897290
2013-01-05 00:00:00 1.484765
2013-01-06 00:00:00 1.988382
new 3.000000
dtype: float64
df.sum()
A 2.395953
B 0.266457
C 1.030982
D 34.000000
F 20.000000
dtype: float64
df.sum(1)
2013-01-01 00:00:00 5.803692
2013-01-02 00:00:00 8.363482
2013-01-03 00:00:00 6.674034
2013-01-04 00:00:00 4.486448
2013-01-05 00:00:00 7.423826
2013-01-06 00:00:00 9.941910
new 15.000000
dtype: float64
df.var()#f方差
A 0.331841
B 1.751315
C 3.050677
D 0.142857
F 2.666667
dtype: float64
df.std()#标准差
df.corr()#相关系数
df.cov()#协方差
df.describe()#基本情况
统计作图
import matplotlib.pyplot as plt #导入作图库
plt.rcParams['font.sans-serif'] = ['SimHei']#用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False#正常显示负号
plt.figure(figsize = (7,5))#创建作图区域,指定比例
<matplotlib.figure.Figure at 0x229f4e7ee10>
plt.plot(x, y, s)
这是 Matplotlib通用的绘图方式,绘制y对于x(即以x为横轴的二维图形),字符串参量S指定绘制时图形的类型、样式和颜色,常用的选项有:'b’为蓝色、'r’为红色、'g’为绿色、‘o’为圆圈、’+‘为加号标记、’-‘为实线、’–'为虚线。当x、y均为实数同维向量时,则描出点(x(i),y(i)),然后用直线依次相连。
plt.plot(kind=box)
这里使用的是 DataFrame或 Series对象内置的方法作图,默认以 Index为横坐标,每列数据为纵坐标自动作图,通过kind参数指定作图类型,支持line(线)、bar(条形)barh、hist(直方图)、box(箱线图)、kde(密度图)和area、pie(饼图)等,同时也能够接受 plt.plot()中接受的参数。因此,如果数据已经被加载为 Pandas中的对象,那么以这种方式作图是比较简洁的。
x=np.linspace(0,2*np.pi,50) #x坐标
y=np.sin(x)#
plt.plot(x,y,'bp--')
plt.show()
plt.pie(size)
使用Matplotlib绘制饼图,其中size是一个列表,记录各个扇形的比例。pie有丰富的参数.
import matplotlib.pyplot as plt
# The slices will be ordered and plotted counter-clockwise.
labels= 'Frogs', 'Hogs','Dogs', 'Logs' #定义标签
sizes= [15, 30, 45, 10] #每一块的比例
colors=['yellowgreen', 'gold', 'lightskyblue', 'lightcoral'] #每一块的颜色
explode= (0, 0.1, 0, 0) #突出显示,这里仅仅突出显示第二块(即,Hogs' )
plt.pie (sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%',
shadow=True, startangle=90)
plt.axis ('equal') #显示为圆(避免比例压缩为椭圆)
plt.show()
更多推荐
简单,教程,pandas
发布评论