Pandas的基本方法(pandas使用教程)
Pandas 基本方法实例
到目前为止，我们了解了三个Pandas DataStructures以及如何创建它们。由于它在实时数据处理中的重要性，因此我们将主要关注DataFrame对象，并讨论其他一些DataStructures。
| 方法 | 描述 |
| axes | 返回行轴标签的列表 |
| dtype | 返回对象的dtype。 |
| empty | 如果Series为空，则返回True。 |
| ndim | 根据定义返回基础数据的维数。 |
| size | 返回基础数据中的元素数。 |
| values | 将Series返回为ndarray。 |
| head() | 返回前n行。 |
| tail() | 返回最后n行。 |
接下来我们创建一个Series，并看看上所有列表的属性操作。
示例
import pandas as pd import numpy as np # 用100随机数创建一个Series s = pd.Series(np.random.randn(4)) print(s)
运行结果：
0 0.9678531 -0.1483682 -1.3959063 -1.758394dtype: float64
axes
返回Series标签的列表
示例
import pandas as pd
import numpy as np
# 用100随机数创建一个Series s = pd.Series(np.random.randn(4))
print ("The axes are:")
print(s.axes)运行结果：
The axes are: [RangeIndex(start=0, stop=4, step=1)]
以上结果是0到5（即[0,1,2,3,4]）。
empty
返回布尔值，说明对象是否为空。True表示对象为空
示例
import pandas as pd
import numpy as np
# 用100随机数创建一个Series s = pd.Series(np.random.randn(4))
print ("Is the Object empty?")
print(s.empty)运行结果：
Is the Object empty?False
ndim
返回对象的维数。根据定义，Series 是一个1D 数据结构，所以它返回
示例
import pandas as pd
import numpy as np
# 用4个随机数创建一个Series s = pd.Series(np.random.randn(4))
print s
print ("The dimensions of the object:")
print(s.ndim)运行结果：
0 0.1758981 0.1661972 -0.6097123 -1.377000dtype: float64The dimensions of the object:1
size
返回Series的大小（长度）.
示例
import pandas as pd
import numpy as np
# 用4个随机数创建一个Series s = pd.Series(np.random.randn(2))
print s
print ("The size of the object:")
print(s.size)运行结果：
0 3.0780581 -1.207803dtype: float64The size of the object:2
values
以数组形式返回Series数据
示例
import pandas as pd
import numpy as np
# 用4个随机数创建一个Series s = pd.Series(np.random.randn(4))
print s
print ("The actual data series is:")
print(s.values)运行结果：
0 1.7873731 -0.6051592 0.1804773 -0.140922dtype: float64The actual data series is:[ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]
Head 和 Tail
要查看Series或DataFrame对象的头尾数据，请使用head() 和tail() 方法。
head() 返回前n行（观察索引值）。默认显示的元素数是5，但是您可以传递自定义数字。
示例
import pandas as pd
import numpy as np
# 用4个随机数创建一个Series s = pd.Series(np.random.randn(4))
print ("最初的系列是:")
print s
print ("数据系列的前两行:")
print(s.head(2))运行结果：
最初的系列是:0 0.7208761 -0.7658982 0.4792213 -0.139547dtype: float64数据系列的前两行:0 0.7208761 -0.765898dtype: float64
tail() 返回最后n行（观察索引值）。默认显示的元素数是5，但是您可以传递自定义数字。
示例
import pandas as pd
import numpy as np
# 用4个随机数创建一个Series s = pd.Series(np.random.randn(4))
print("最初的系列是:")
print(s)
print("数据序列的最后两行:")
print(s)tail(2)运行结果：
最初的系列是:0 -0.6550911 -0.8814072 -0.6085923 -2.341413dtype: float64数据序列的最后两行:2 -0.6085923 -2.341413dtype: float64
DataFrame 基本功能
现在让我们了解什么是DataFrame基本功能。下表列出了有助于DataFrame基本功能的重要属性或方法。
| 属性/方法 | 描述 |
| T | 行和列互相转换 |
| axes | 返回以行轴标签和列轴标签为唯一成员的列表。 |
| dtypes | 返回此对象中的dtypes。 |
| empty | 如果NDFrame完全为空[没有项目]，则为true；否则为false。如果任何轴的长度为0。 |
| ndim | 轴数/数组尺寸。 |
| shape | 返回表示DataFrame维度的元组。 |
| size | NDFrame中的元素数。 |
| values | NDFrame的数字表示。 |
| head() | 返回前n行。 |
| tail() | 返回最后n行。 |
下面我们下创建一个DataFrame并查看上述属性的所有操作方式。
Example
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our data series is:")
print(df)运行结果：
Our data series is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80
T (Transpose)
返回DataFrame的转置。行和列将互换。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("数据序列的转置是:")
print(df.T)运行结果：
数据序列的转置是: 0 1 2 3 4 5 6Age 25 26 25 23 30 29 23Name Tom James Ricky Vin Steve Smith JackRating 4.23 3.24 3.98 2.56 3.2 4.6 3.8
axes
返回行轴标签和列轴标签的列表。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("行轴标签和列轴标签是:")
print(df.axes)运行结果：
行轴标签和列轴标签是: [RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'], dtype='object')]
dtypes
返回每一列的数据类型。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("每列的数据类型如下:")
print(df.dtypes)运行结果：
每列的数据类型如下:Age int64 Name object Rating float64dtype: object
empty
返回布尔值，说明对象是否为空；True表示对象为空。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Is the object empty?")
print(df.empty)运行结果：
Is the object empty? False
ndim
返回对象的数量。根据定义，DataFrame是2D对象。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The dimension of the object is:")
print(df.ndim)运行结果：
Our object is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80The dimension of the object is:2
shape
返回表示DataFrame维度的元组。元组(a,b)，其中a表示行数，b表示列数。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The shape of the object is:")
print(df.shape)运行结果：
Our object is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80The shape of the object is:(7, 3)
size
返回DataFrame中的元素数。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The total number of elements in our object is:")
print(df.size)运行结果：
Our object is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80The total number of elements in our object is:21
values
以NDarray的形式返回DataFrame中的实际数据。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The actual data in our data frame is:")
print(df.values)运行结果：
Our object is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80The actual data in our data frame is:[[25 'Tom' 4.23][26 'James' 3.24][25 'Ricky' 3.98][23 'Vin' 2.56][30 'Steve' 3.2][29 'Smith' 4.6][23 'Jack' 3.8]]
Head & Tail
要查看DataFrame对象的头尾数据，请使用head()和tail()方法。head() 返回前n行（观察索引值）。默认显示的元素数是5，但是您可以传递自定义数字。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("Our data frame is:")
print df
print ("The first two rows of the data frame is:")
print(df.head(2))运行结果：
Our data frame is: Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80The first two rows of the data frame is: Age Name Rating0 25 Tom 4.231 26 James 3.24
tail() 返回最后n行（观察索引值）。默认显示的元素数是5，但是您可以传递自定义数字。
示例
import pandas as pd
import numpy as np
# 创建Series字典 d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame df = pd.DataFrame(d)
print ("我们的数据帧是:")
print df
print ("数据帧的最后两行是:")
print(df.tail(2))运行结果：
我们的数据帧是： Age Name Rating0 25 Tom 4.231 26 James 3.242 25 Ricky 3.983 23 Vin 2.564 30 Steve 3.205 29 Smith 4.606 23 Jack 3.80数据帧的最后两行是: Age Name Rating5 29 Smith 4.66 23 Jack 3.8