一、什么是pandas

　　pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

1.1、简介

　　Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。

　　Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。

　　Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

1.2、Pandas 应用

　　Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

1.3、pandas有两大利器

　　利器之一：DataFrame

　　　　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

　　利器之一：Series

　　　　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。

　　　　Series:一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

二、安装pandas

从PyPI安装

　　Pandas可以通过PyPI (opens new window).的pip安装。

pip install Pandas

三、Panda使用-Series

import pandas as pd

# 将列表转换为series
a = [1,2,3]
mysr = pd.Series(a,name="number")
print(mysr)
print(mysr[1])

# 制定series的索引值
a = ["Google","Runoob","Wiki"]
myvar = pd.Series(a,index=["x","y","z"])
print(myvar["z"])

sites = {1:"Google",2:"Runoob",3:"Wiki"}
myvar2 = pd.Series(sites)
print(myvar2[1])

# 截取主需要一部分数据
sites = {1:"Google",2:"Runoob",3:"Wiki"}
myvar3=pd.Series(sites,index=[1,2])
print(myvar3)

四、Panda使用-DataFrame

import pandas as pd

# 定义二维列表
data = [['Google',10],['Runoob',12],['Wiki',13]]
# 将列表转换为DataFrame
mydf = pd.DataFrame(data,columns=["name","age"])
print(mydf)

# 将字典转换为DataFrame
data = {"Site":['Google','Runoob','Wike'],'Age':[10,12,13]}
mydf2 = pd.DataFrame(data)
print(mydf2)

# 将列表转换为DataFrame
data = [{'a':1,'b':2},{'a':5,'b':10,'c':20}]
mydf3 = pd.DataFrame(data)
print(mydf3)
#  定义一个字典
data = {
    "calories":[420,380,390],
    "duration":[50,40,45]
}
mydf4 = pd.DataFrame(data)
print(mydf4)
# Pandas可以使用loc属性返回指定行的数据，如果没有设置索引，第一行索引为0，第二行索引为1，以此类推
# 返回第一行
print(mydf4.loc[0])
# 注意：返回结果其实就是一个PandasSeries数据。也可以返回多行数据，使用[[...]]格式，...为各行的索引，以逗号隔开
# #返回第一行和第二行
print(mydf4.loc[[0,1]])

# 注意：返回结果其实就是一个PandasDataFrame数据。我们可以指定索引值，如下实例
data = {
    "calories":[420,380,390],
    "duration":[50,40,45]
}
mydf5 = pd.DataFrame(data,index=['row1','row2','row3'])
print(mydf5)
print(mydf5.loc['row1'])

五、pandasAPI

5.1、导入数据

pd.read_csv(filename)：从CSV文件导入数据
pd.read_table(filename)：从限定分隔符的文本文件导入数据
pd.read_excel(filename)：从Excel文件导入数据
pd.read_sql(query, connection_object)：从SQL表/库导入数据
pd.read_json(json_string)：从JSON格式的字符串导入数据
pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table()
pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据

5.2、导出数据

df.to_csv(filename)：导出数据到CSV文件
df.to_excel(filename)：导出数据到Excel文件
df.to_sql(table_name, connection_object)：导出数据到SQL表
df.to_json(filename)：以Json格式导出数据到文本文件

5.3、创建测试对象

pd.DataFrame(np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list)：从可迭代对象my_list创建一个Series对象
df.index = pd.date_range(‘1900/1/30’, periods=df.shape[0])：增加一个日期索引

5.4、查看、检查数据

df.head(n)：查看DataFrame对象的前n行
df.tail(n)：查看DataFrame对象的最后n行
df.shape：查看行数和列数
df.info()：查看索引、数据类型和内存信息
df.describe()：查看数值型列的汇总统计
s.value_counts(dropna=False)：查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数

5.5、数据选取

df[col]：根据列名，并以Series的形式返回列
df[[col1, col2]]：以DataFrame形式返回多列
s.iloc[0]：按位置选取数据
s.loc[‘index_one’]：按索引选取数据
df.iloc[0,:]：返回第一行
df.iloc[0,0]：返回第一列的第一个元素
df.values[:,:-1]:返回除了最后一列的其他列的所以数据
df.query(‘[1, 2] not in c’): 返回c列中不包含1，2的其他数据集

5.6、数据清理

df.columns = [‘a’,’b’,’c’]：重命名列名
pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna()：删除所有包含空值的行
df.dropna(axis=1)：删除所有包含空值的列
df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行
df.fillna(x)：用x替换DataFrame对象中所有的空值
s.astype(float)：将Series中的数据类型更改为float类型
s.replace(1,’one’)：用‘one’代替所有等于1的值
s.replace([1,3],[‘one’,’three’])：用’one’代替1，用’three’代替3
df.rename(columns=lambda x: x + 1)：批量更改列名
df.rename(columns={‘old_name’: ‘new_ name’})：选择性更改列名
df.set_index(‘column_one’)：更改索引列
df.rename(index=lambda x: x + 1)：批量重命名索引

5.7、数据处理：Filter、Sort和GroupBy

df[df[col] > 0.5]：选择col列的值大于0.5的行
df.sort_values(col1)：按照列col1排序数据，默认升序排列
df.sort_values(col2, ascending=False)：按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据
df.groupby(col)：返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值
data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max

5.8、数据合并

df1.append(df2)：将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how=’inner’)：对df1的列和df2的列执行SQL形式的join

5.9、数据统计

df.describe()：查看数据值列的汇总统计
df.mean()：返回所有列的均值
df.corr()：返回列与列之间的相关系数
df.count()：返回每一列中的非空值的个数
df.max()：返回每一列的最大值
df.min()：返回每一列的最小值
df.median()：返回每一列的中位数
df.std()：返回每一列的标准差

转载简书作者：Mervyn_2014

六、Pandas操作CSV文件

　　CSV（Comma-SeparatedValues，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。CSV是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

实例：

import pandas as pd

# 读取文件
df = pd.read_csv('./nba.csv',encoding='GBK')
print(df)
# 保存文件
df.to_csv('./nba2.csv',encoding='utf-8')

# 三个字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
# 将列表转变为字典
dic={'name':nme,'site':st,'ag':ag}
# 将字典转变为DataFrame
df=pd.DataFrame(dic)
# 将DataFrame保存为csv文件
df.to_csv('./dic.csv',encoding='utf-8')

# 读取csv文件,到DataFrame
df=pd.read_csv('./nba2.csv')
# 打印前10行
print(df.head(10))
# 打印尾部10行
print(df.tail(10))
# 返回基本信息
print(df.info())

七、Pandas操作JSON文件

　　SON（JavaScriptObjectNotation，JavaScript对象表示法），是存储和交换文本信息的语法，类似XML。JSON比XML更小、更快，更易解析

实例：

import pandas as pd

# 读取json文件到DataFrame
json=pd.read_json('./sites.json')
print(json)

# 将数据保存为json文件
data = [
    {
      "id": "A001",
      "name": "菜鸟教程",
      "url": "www.runoob.com",
      "likes": 61
    },
    {
      "id": "A002",
      "name": "Google",
      "url": "www.google.com",
      "likes": 124
    },
    {
      "id": "A003",
      "name": "淘宝",
      "url": "www.taobao.com",
      "likes": 45
    }
]
df=pd.DataFrame(data)
# 把数据存入json
df.to_json('data.json')

# 读取json文件
df=pd.read_json('./data.json')
print(df)

本文链接：https://www.cnblogs.com/wmlr/p/16212670.html

Python_pandas