Pandas详解
Pandas详解
Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。
1、安装包
pip install pandas
2、数据结构
Pandas有三大数据结构,Series、DataFrame以及Panel。
- Series(一维数据)
- 它是一种类似于一维数组的对象,是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象。
- DataFrame(二维数据)
- DataFrame是Pandas中的一个表格型的数据结构,包含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型等),DataFrame即有行索引也有列索引,可以被看做是由Series组成的字典。
- Panel(三维结构数据/面板数据)
2.1 DataFrame介绍
(1)DataFrame对象既有行索引,又有列索引
- 行索引,表明不同行,横向索引,叫index,0轴,axis=0
- 列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
import numpy as np import pandas as pd stock_day_rise = np.random.normal(0,1,(20,25)) print(stock_day_rise) # 使用Pandas中的数据结构 # DataFrame(二维数据) stock = pd.DataFrame(stock_day_rise) print(stock)
增加列索引
# #构造列索引索引序列 data_columns=[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘] # # 添加列索引 data_column = pd.DataFrame(data, columns=data_columns) print(data_column)
增加行索引
使用pd.date_range():用于生成一组连续的时间序列
date_range(start=None,end=None, periods=None, freq=‘B‘) start:开始时间 end:结束时间 periods:时间天数 freq:递进单位,默认1天,‘B‘默认略过周末
# 增加行索引 # 生成一个行序列,略过周末 data_indexs = pd.date_range(‘2020-01-01‘, periods=data.shape[0], freq=‘B‘) # index代表行索引,columns代表列索引 datas= pd.DataFrame(data, index=data_indexs, columns=data_columns) print(datas)
(2)DatatFrame的属性
shape
dtypes 查看数据类型
- ndim
- index
- columns
- values
- T
困了,明天再写
相关推荐
roamer 2020-10-29
三石 2020-08-23
QianYanDai 2020-08-16
mmmjyjy 2020-07-16
QianYanDai 2020-07-05
QianYanDai 2020-07-05
jiahaohappy 2020-06-21
QianYanDai 2020-06-16
zhangxiaojiakele 2020-05-25
jzlixiao 2020-05-15
jiahaohappy 2020-05-12
zhangxiaojiakele 2020-05-11
Series是一种类似于一维数组的对象,由一组数据以及一组与之对应的索引组成。 index: 索引序列,必须是唯一的,且与数据的长度相同. 如果没有传入索引参数,则默认会自动创建一个从0~N的整数索引
jzlixiao 2020-05-09
jzlixiao 2020-08-18
QianYanDai 2020-07-04
三石 2020-10-30
三石 2020-10-29
wangquannuaa 2020-10-15
wangquannuaa 2020-09-29