本文是pandas的基本介紹
若用 python 的列表和字典來作比較, 那麼可以說 numpy 是列表形式，而 pandas 就是字典形式。
pandas是基於numpy構建的，讓numpy為中心的應用變得更加簡單。
要使用pandas，首先要了解他主要兩個資料結構：series和dataframe。
series的字串表現形式為：索引在左邊，值在右邊。
若沒為資料指定索引，就會自動建立乙個0到n-1（n為長度）的整數型索引。
import pandas as pd
import numpy as np
s = pd.series([1
,3,6
,np.nan,44,
1])print
(s)"""
0 1.0
1 3.0
2 6.0
3 nan
4 44.0
5 1.0
dtype: float64
"""
dataframe既有行索引也有列索引，
可被看做由series組成的大字典。
dates = pd.date_range(
'20160101'
,periods=6)
df = pd.dataframe(np.random.randn(6,
4),index=dates,columns=
['a'
,'b'
,'c'
,'d'])
print
(df)
""" a b c d
2016-01-01 -0.253065 -2.071051 -0.640515 0.613663
2016-01-02 -1.147178 1.532470 0.989255 -0.499761
2016-01-03 1.221656 -2.390171 1.862914 0.778070
2016-01-04 1.473877 -0.046419 0.610046 0.204672
2016-01-05 -1.584752 -0.700592 1.487264 -1.778293
2016-01-06 0.633675 -1.414157 -0.277066 -0.442545
"""
print
(df[
'b']
)"""
2016-01-01 -2.071051
2016-01-02 1.532470
2016-01-03 -2.390171
2016-01-04 -0.046419
2016-01-05 -0.700592
2016-01-06 -1.414157
freq: d, name: b, dtype: float64
"""
會採取預設的從0開始 index。
df1 = pd.dataframe(np.arange(12)
.reshape((3
,4))
)print
(df1)
""" 0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
"""
能對每一列的資料進行特殊設定
df2 = pd.dataframe(
)print
(df2)
""" a b c d e f
0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo
"""
print
(df2.dtypes)
"""df2.dtypes
a float64
b datetime64[ns]
c float32
d int32
e category
f object
dtype: object
"""
print
(df2.index)
# int64index([0, 1, 2, 3], dtype='int64')
print
(df2.columns)
# index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')
print
(df2.values)
"""array([[1.0, timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
[1.0, timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'],
[1.0, timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
[1.0, timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']], dtype=object)
"""
df2.describe(
)"""
a c d
count 4.0 4.0 4.0
mean 1.0 1.0 3.0
std 0.0 0.0 0.0
min 1.0 1.0 3.0
25% 1.0 1.0 3.0
50% 1.0 1.0 3.0
75% 1.0 1.0 3.0
max 1.0 1.0 3.0
"""
print
(df2.t)
print
(df2.sort_index(axis=
1, ascending=
false))
""" f e d c b a
0 foo test 3 1.0 2013-01-02 1.0
1 foo train 3 1.0 2013-01-02 1.0
2 foo test 3 1.0 2013-01-02 1.0
3 foo train 3 1.0 2013-01-02 1.0
"""
print
(df2.sort_values(by=
'b')
)"""
a b c d e f
0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo
"""
打call
Pandas 基本介紹和基礎操作
目錄 一 numpy和pandas的不同 二 pandas序列操作 二 pandas序列 import pandas as pd import numpy as np 1.生成乙個簡單的一維陣列 下面的語句可以理解為新建了乙個一維陣列，但是每行都有乙個標號 s pd.series 1,3,6,np....
pandas的學習1 基本介紹
numpy 和 pandas 有什麼不同 如果用 python 的列表和字典來作比較,那麼可以說 numpy 是列表形式的，沒有數值標籤，而 pandas 就是字典形式。pandas是基於numpy構建的，讓numpy為中心的應用變得更加簡單。要使用pandas，首先需要了解他主要兩個資料結構 se...
Pandas介紹 使用
一 介紹 資料處理工具 1 便捷的資料處理。2 讀取檔案方便 3 整合了 numpy 和 matplotlib的 計算跟畫圖。二 核心資料結構 1 dataframe 結構 既有行索引，又有列索引的二維陣列 pd.dataframe stock change,index stock,columns ...