pandas 对于数据分析的人员来说都是必须熟悉的第三方库，pandas 在科学计算上有很大的优势，特别是对于数据分析人员来说，相当的重要。python中有了numpy ，但是numpy 还是比较数学化，还需要有一种库能够更加具体的代表数据模型，我们都非常的清楚在数据处理中excel 扮演着非常重要的作用，表格的模式是数据模型最好的一种展现形式。
pandas 是对表格数据模型在python上的模拟，它有简单的像sql 对数据的处理，能够方便的在python上实现。
pandas 的安装
pandas 在python上的安装同样的使用pip进行：
|
1
|
pip install pandas |
pandas 创建对象
pandas 有两种数据结构：series 和 dataframe 。
series
series 像python中的数据list 一样，每个数据都有自己的索引。从list创建 series。
|
1
2
3
4
5
6
7
8
|
>>> import pandas as pd>>> s1 = pd.series([100,23,'bugingcode'])>>> s10 1001 232 bugingcodedtype: object>>> |
在series 中添加相应的索引：
|
1
2
3
|
>>> import numpy as np>>> ts = pd.series(np.random.randn(365), index=np.arange(1,366))>>> ts |
在index中设置索引值是一个从1到366的值。
series 的数据结构最像的是python中的字典，从字典中创建series：
|
1
2
|
sd = {'xiaoming':14,'tom':15,'john':13}s4 = pd.series(sd) |
这时候可以看到series 已经是自带索引index。
pandas 本身跟 python的另外一个第三方库matplotlib 有很多的连接，matplotlib 一个最经常用到的是用来展示数据的，如果还对matplotlib 不了解的话，后面的章节会进行介绍，现在先拿过来直接用下，如果还没有安装的话，一样的用pip命令安装 pip install matplotlib ， 展示如下数据：
|
1
2
3
4
5
6
7
|
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltts = pd.series(np.random.randn(365), index=np.arange(1,366))ts.plot()plt.show() |
一个不规则的图形，在数据分析中，时间是一个重要的特性，因为很多数据都是跟时间是有关系的，销售额跟时间有关系，天气跟时间有关系。。。，在pandas 中也提供了关于时间的一些函数，使用date_range 生成一系列时间。
|
1
2
3
4
5
6
7
8
9
10
|
>>> pd.date_range('01/01/2017',periods=365)datetimeindex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04', '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08', '2017-01-09', '2017-01-10', ... '2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25', '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29', '2017-12-30', '2017-12-31'], dtype='datetime64[ns]', length=365, freq='d')>>> |
之前我们的图形不规则，有一个原因是数据不是连续的，使用cumsum让数据连续：
如下：
|
1
2
3
4
5
6
7
8
|
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltts = pd.series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))ts = ts.cumsum()ts.plot()plt.show() |
dataframe
dataframe 相当于series 一维的一个扩展，是一种二维的数据模型，相当于excel表格中的数据，有横竖两种坐标，横轴很series 一样使用index，竖轴用columns 来确定，在建立dataframe 对象的时候，需要确定三个元素：数据，横轴，竖轴。
|
1
2
|
df = pd.dataframe(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('abcdef'))print df |
数据如下：
|
1
2
3
4
5
6
7
8
9
|
a b c d e f2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.5639072018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.4682002018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.8730742018-01-04 -0.818066 1.629542 -0.595451 0.910141 0.160980 0.3066602018-01-05 2.008658 0.456592 -0.839597 1.615013 0.718422 -0.5645842018-01-06 0.480893 0.724015 -1.076434 -0.253731 0.337147 -0.0282122018-01-07 -0.672501 0.739550 -1.316094 1.118234 -1.456680 -0.6018902018-01-08 -1.028436 -1.036542 -0.459044 1.321962 -0.198338 -1.034822 |
在数据分析的过程中，很常见的一种情况是数据直接从excel 或者cvs 过来，可以excel中读取数据到dataframe ，数据在 dataframe 中进行处理：
|
1
2
|
df = pd.read_excel('data.xlsx',sheet_name= 'sheet1')print df |
同样的有保存数据到excel 中 to_excel。
处理cvs数据的函数是：read_cvs 和 to_cvs ，处理hdf5的函数为 read_hdf 和 to_hdf 。
访问dataframe 可以跟二位数组一样的访问方式：
|
1
|
print df['a'] |
带出横轴标签：
|
1
2
3
4
5
6
7
8
|
2018-01-01 0.7126362018-01-02 -1.2927992018-01-03 1.7628942018-01-04 -0.8180662018-01-05 2.0086582018-01-06 0.4808932018-01-07 -0.6725012018-01-08 -1.028436 |
同样的可以指定某一个元素：
|
1
|
print df['a']['2018-01-01'] |
对数组进行切片出来，认清横轴和纵轴：
|
1
2
3
4
5
6
7
8
|
>>> import pandas as pd>>> df = pd.read_excel('data.xlsx',sheet_name= 'sheet1')>>> df[:][0:3] a b c d e f2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.5639072018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.4682002018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074>>> |
dataframe 涉及的较多的函数，接下来会有更多的介绍。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/bugingcode/p/8310032.html
