numpy只能处理数值型数据，很多时候还需处理字符串、时间序列等，就需要Pandas（Python Data Analysis Library，数据分析库）。

Pandas是基于Numpy的一个开源Python库，被广泛应用于数据分析、数据清洗以及准备等工作。数据科学家经常和表格形式的数据（比如.csv ，.tsv ， .xlsx）打交道，Pandas可以使用类似SQL的方式非常方便的加载、处理、分析这些表格形式的数据。同时搭配Matplotlib和Seaborn效果更好。

pandas可以满足以下需求：

• 具备按轴自动或显示数据对齐功能的数据结构。这可以防止许多由于数据未对齐以及来自不同数据源（索引方式不同）的数据而导致的常见错误、集成时间序列功能、既能处理时间序列数据也能处理非时间序列数据的数据结构、数据运算和简约（比如对某个轴求和）可以根据不同的元数据（轴编号）执行、灵活处理缺失数据。
• 在实际构建任何模型之前，任何机器学习项目中的大量时间都必须花费在准备数据、分析基本趋势和模式上，因此需要pandas来进行处理。

1. 基本函数

只展示了几个基本函数，更过函数可查询 官方文档

1.1 导入

为了方便，我们在使用 pandas 时通常用 pd 作为其缩写，因为 pandas 依赖 numpy，所以在使用之前需要确保安装 numpy 。

import pandas as pd

1.2 Series

pandas Series 类似表格中的一个列，类似一维数组，可以保存任何数据类型。

Series由索引和列组成，函数如下：

pandas.Series(data, index, dtpye, name, copy)

• data：一组数据，可以是字典，ndarray，标量
• index：数据索引标签，如果不指定，默认从0开始
• dtype：数据类型，默认会自己判断
• name：设置名称
• copy：拷贝数据，默认为False

简单来说，Series其实就是一个带标签的数组。

1.2.1 创建

（1）从列表创建

# 带索引的一列数据
[in]: s1 = pd.Series([1, 2, 3, 4, 5])
[in]: print(s1)
[out]:
0
1
1
2
2
3
3
4
4
5
dtype: int64

（2）从ndarray创建

# 索引为 a b c d e
[in]: s2 = pd.Series(np.arange(5), index=['a', 'b', 'c', 'd', 'e'])
[in]: print(s2)
[out]:
a
0
b
1
c
2
d
3
e
4
dtype: int32

（3）从字典创建

# 创建一个字典,用key来构成表的索引
[in]: temp_dict = {"name": "zhangsan", "age": 27, "tel": 10086}
# 字典数据直接传入data
[in]: s3 = pd.Series(temp_dict)
[in]: print(s3)
[out]:
name
zhangsan
age
27
tel
10086
dtype: object

（4）从标量值构造

data是标量时，指定索引index，得到一个值为data等长的Series

[in]: s4 = pd.Series(1., index=list("abcde"))
[in]: print(s4)
[out]:
a
1.0
b
1.0
c
1.0
d
1.0
e
1.0
dtype: float64

1.2.2 切片与索引

我们可以像使用 ndarray 一样使用 Series ,拿我们之前创建的 s2 举例:

 # 支持数字索引操作
[in]: print(s2[0])
[in]: print("-" * 50)
# 分割线
[out]:
0
--------------------------------------------------
# 支持切片操作
[in]: print(s2[:3])
[in]: print("-" * 50)
# 分割线
[out]:
a
0
b
1
c
2
dtype: int32
--------------------------------------------------
# 花式索引
[in]: print(s2[[1, 0, 2]])
[in]: print("-" * 100)
# 分割线
[out]:
b
1
a
0
c
2
dtype: int32
--------------------------------------------------
# 布尔索引
[in]: print(s2[s2>2])
[out]:
d
3
e
4
dtype: int32

我们可以像使用字典一样使用 Series :

[in]: s2 = pd.Series(np.arange(5), index=['a', 'b', 'c', 'd', 'e'])
[in]: print(s2["a"])
[out]:
0

1.2.3 Series与Python的Dict类型对比

二者都存在映射关系，字典是一种将任意键映射到一组任意值的数据结构，而 Series 对象其实是一种将类型键映射到一组类型值的数据结构，类型至关重要。

就像 Numpy 数组背后特定类型的经过编译的代码使得它在某些操作上比普通的 Python 列表更加高效一样，Pandas Serise 的类型信息适得它在某些操作上比 Python 的字典更高效。另外，和字典不同，Series 对象还支持数组形式的操作，比如切片。

1.2.4 应用Numpy进行运算

向量化操作

简单的向量化操作 Series 与 ndarray 的表现一致,我们依然拿 s2 举例:

# 对应位置相加
[in]: result1 = s2 + s2
[in]: print(result1)
[in]: print("-" * 50)
# 分割线
[out]:
a
0
b
2
c
4
d
6
e
8
dtype: int32
--------------------------------------------------
# 对应位置相乘
[in]: result2 = s2 * s2
[in]: print(result2)
[in]: print("-" * 50)
# 分割线
[out]:
a
0
b
1
c
4
d
9
e
16
dtype: int32
--------------------------------------------------
# 各个位置加2
[in]: result3 = s2 + 2
[in]: print(result3)
[out]:
a
2
b
3
c
4
d
5
e
6
dtype: int32

1.2.5 自动对齐

Series 和 ndarray 不同的地方在于， Series 的操作默认是使用 index 的值进行对齐的，而不是相对位置，我们拿s2[1:] 和 s2[:-1] 举例：

[in]: print(s2[1:])
[out]:
b
1
c
2
d
3
e
4
dtype: int32
[in]: print(s2[:-1])
[out]:
a
0
b
1
c
2
d
3
dtype: int32

[in]: result = s2[1:] + s2[:-1]
[in]: print(result)
[out]:
a
NaN
b
2.0
c
4.0
d
6.0
e
NaN
dtype: float64

对于上面两个不能完全对齐的 Series，结果的 index 是两者的并集，同时不能对齐的部分当作缺失值处理。

1.2.6 缺失值检测

1. Series.isna() 检测缺失值

Series.isna()

检测缺失值，缺失值为 True ，非缺失值为 False.

2. Series.fillna() 填充缺失值

Series.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)

• values： dict, Series, or DataFrame (填充nan的值，不能是list)。
• method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None (填充方法，用前/后面的值进行填充)。
• axis： {0 or ‘index’} (前后或上下填充)
• limit： nt, default None (连续填充的值的数量)

3. Series.dropna() 删除缺失值

Series.dropna(axis=0, inplace=False, how=None)

• axis： 默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。
• inplace： 如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。
• how： 默认为 any 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。

# 创建一个带缺失值Series
[in]: s = pd.Series([1, 2, None, 4, None])
# 检测缺失值
[in]: print(s.isna())
[in]: print("-" * 50)
[out]:
0
False
1
False
2
True
3
False
4
True
dtype: bool
--------------------------------------------------
# 填充缺失值，填充值为0.
[in]: print(s.fillna(0.))
[out]:
0
1.0
1
2.0
2
0.0
3
4.0
4
0.0
dtype: float64

1.2.7 name属性

我们可以在定义时指定 name 属性:

[in]: s = pd.Series(np.arange(5), name="something")
[in]: print(s.name)
[out]:
something

1.2.8 idex属性和values属性

通过 Series.index 查看索引, 通过 values 查看值

[in]: s = pd.Series(np.arange(5), index=list("abcde"))
[in]: print(s.index)
[out]:
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
[in]: print(s.values)
[out]:
[0 1 2 3 4]

1.3 DataFrame

DataFrame 是 pandas 中的二维数据结构，可以看成一个 Excel 中的工作表，或者一个 SQL 表,或者一个存储Series 对象的字典，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。

DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引），其中的 index用于指定行的 label,columns 用于指定列的 label ,如果参数不传入,那么会按照传入的内容进行设定。

1.3.1 二维ndrray

DataFrame 是一个二维的 ndarray ,构造方法如下:

pandas.DataFrame( data, index, columns, dtype, copy)

• data：一组数据(ndarray、series, map, lists, dict 等类型)。
• index：索引值，或者可以称为行标签。
• columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
• dtype：数据类型。
• copy：拷贝数据，默认为 False。

1.3.2 从列表创建

可以使用单个列表或者嵌套列表创建 DataFrame

1.使用单个列表创建

[in]: data = [1, 2, 3, 4, 5]
[in]: df = pd.DataFrame(data)
[in]: print(df)
[out]:
0
0
1
1
2
2
3
3
4
4
5

2.使用嵌套列表创建并指定列索引

[in]: data = [['xiaoming', 10], ['xiaohong', 11], ['xiaozhang', 12]]
[in]: df = pd.DataFrame(data, columns=['Name', 'Age'])
[in]: print(df)
[out]:
Name
Age
0
xiaoming
10
1
xiaohong
11
2
xiaozhang
12

1.3.3 从字典创建

1.使用数组创建

注意:两个数据的长度必须一样

[in]: data = {'Name': ['xiaoming', 'zhangsan', 'lisi'], 'Age':[10, 11, 21]}
[in]: df = pd.DataFrame(data)
[in]: print(df)
[out]:
Name
Age
0
xiaoming
10
1
zhangsan
11
2
lisi
21

2.从字典列表创建

字典列表可作为输入数据传递以用来创建 DataFrame ,字典键默认为列名,缺失的部分会自动填充 NaN 值

[in]: data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 6, 'c': 7}]
[in]: df = pd.DataFrame(data, index=["first", "second"])
# 指定行索引
[in]: print(df)
[out]:
a
b
c
first
1
2
NaN
second
5
6
7.0

最后

以上就是清秀服饰为你收集整理的人工智能——Pandas数据结构1. 基本函数的全部内容，希望文章能够帮你解决人工智能——Pandas数据结构1. 基本函数所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。