Pandas入门1（DataFrame+Series读写/Index+Select+Assign）

文章目录

• • 1. Creating, Reading and Writing
  • • 1.1 DataFrame 数据框架
    • 1.2 Series 序列
    • 1.3 Reading 读取数据
  • 2. Indexing, Selecting, Assigning
  • • 2.1 类python方式的访问
    • 2.2 Pandas特有的访问方式
    • • 2.2.1 iloc 基于index访问
      • 2.2.2 loc 基于label标签访问
    • 2.3 set_index() 设置索引列
    • 2.4 Conditional selection 按条件选择
    • • 2.4.1 布尔符号 `&，|，==`
      • 2.4.2 Pandas内置符号 `isin，isnull、notnull`
    • 2.5 Assigning data 赋值
    • • 2.5.1 赋值常量
      • 2.5.2 赋值迭代的序列

learn from https://www.kaggle.com/learn/pandas

下一篇：Pandas入门2（DataFunctions+Maps+groupby+sort_values）

1. Creating, Reading and Writing

1.1 DataFrame 数据框架

• 创建DataFrame，它是一张表，内部是字典，key ：[value_1,...,value_n]

#%% # -*- coding:utf-8 -*- # @Python Version: 3.7 # @Time: 2020/5/16 21:10 # @Author: Michael Ming # @Website: https://michael.blog.csdn.net/ # @File: pandasExercise.ipynb # @Reference: https://www.kaggle.com/learn/pandas import pandas as pd#%% pd.DataFrame({'Yes':[50,22],"No":[131,2]})

fruits = pd.DataFrame([[30, 21],[40, 22]], columns=['Apples', 'Bananas'])

• 字典内的value也可以是：字符串

pd.DataFrame({"Michael":['handsome','good'],"Ming":['love basketball','coding']})

• 给数据加索引index，index=['index1','index2',...]

pd.DataFrame({"Michael":['handsome','good'],"Ming":['love basketball','coding']},index=['people1 say','people2 say'])

1.2 Series 序列

• Series 是一系列的数据，可以看成是 list

pd.Series([5,2,0,1,3,1,4])0 5 1 2 2 0 3 1 4 3 5 1 6 4 dtype: int64

• 也可以把数据赋值给Series，只是Series没有列名称，只有总的名称
• DataFrame本质上是多个Series粘在一起

pd.Series([30,40,50],index=['2018销量','2019销量','2020销量'],name='博客访问量')2018销量 30 2019销量 40 2020销量 50 Name: 博客访问量, dtype: int64

1.3 Reading 读取数据

• 读取csv（"Comma-Separated Values"）文件，pd.read_csv('file')，存入一个DataFrame

wine_rev = pd.read_csv("winemag-data-130k-v2.csv") wine_rev.shape # 大小 (129971, 14) wine_rev.head() # 查看头部5行

• 可以自定义索引列，index_col=, 可以是列的序号，或者是列的 name

wine_rev = pd.read_csv("winemag-data-130k-v2.csv", index_col=0) wine_rev.head()

（下图比上面少了一列，因为定义了index列为0列）

• 保存，to_csv('xxx.csv')

wine_rev.to_csv('XXX.csv')

2. Indexing, Selecting, Assigning

2.1 类python方式的访问

item.col_name # 缺点，不能访问带有空格的名称的列，[]操作可以 item['col_name'] wine_rev.country wine_rev['country']0 Italy 1 Portugal 2 US 3 US 4 US... 129966 Germany 129967 US 129968 France 129969 France 129970 France Name: country, Length: 129971, dtype: object wine_rev['country'][0] # 'Italy',先取列，再取行 wine_rev.country[1] # 'Portugal'

2.2 Pandas特有的访问方式

2.2.1 iloc 基于index访问

• 要选择DataFrame中的第一行数据，我们可以使用以下代码：

• wine_rev.iloc[0]

country Italy description Aromas include tropical fruit, broom, brimston... designation Vulkà Bianco points 87 price NaN province Sicily & Sardinia region_1 Etna region_2 NaN taster_name Kerin O’Keefe taster_twitter_handle @kerinokeefe title Nicosia 2013 Vulkà Bianco (Etna) variety White Blend winery Nicosia Name: 0, dtype: object

loc和iloc都是行第一，列第二，跟上面python操作是相反的

• wine_rev.iloc[:,0]，获取第一列，: 表示所有的

0 Italy 1 Portugal 2 US 3 US 4 US... 129966 Germany 129967 US 129968 France 129969 France 129970 France Name: country, Length: 129971, dtype: object

• wine_rev.iloc[:3,0]，:3 表示 [0:3)行 0,1,2

0 Italy 1 Portugal 2 US Name: country, dtype: object

• 也可以用离散的list，来取行，wine_rev.iloc[[1,2],0]

1 Portugal 2 US Name: country, dtype: object

• 取最后几行，wine_rev.iloc[-5:]，倒数第5行到结束

2.2.2 loc 基于label标签访问

• wine_rev.loc[0, 'country']，行也可以使用 [0,1]表示离散行，列不能使用index

'Italy'

• wine_rev.loc[ : 3, 'country']，跟iloc不一样，这里包含了3号行，loc包含末尾的

0 Italy 1 Portugal 2 US 3 US Name: country, dtype: object

• wine_rev.loc[ 1 : 3, ['country','points']]，多列用 list 括起来

• loc 的优势，例如有用字符串 index 的行，df.loc['Apples':'Potatoes']可以选取

2.3 set_index() 设置索引列

• set_index() 可以重新设置索引，wine_rev.set_index("title")

2.4 Conditional selection 按条件选择

2.4.1 布尔符号 &，|，==

• wine_rev.country == 'US'，按国家查找， 生成了Series of True/False，可用于 loc

0 False 1 False 2 True 3 True 4 True... 129966 False 129967 True 129968 False 129969 False 129970 False Name: country, Length: 129971, dtype: bool

• wine_rev.loc[wine_rev.country == 'US']，把 US 的行全部选出来

• wine_rev.loc[(wine_rev.country == 'US') & (wine_rev.points >= 90)]，US的&且得分90以上的
• 还可以用 | 表示或（像C++的位运算符号）

2.4.2 Pandas内置符号 isin，isnull、notnull

• wine_rev.loc[wine_rev.country.isin(['US','Italy'])]，只选 US 和 Italy 的行

• wine_rev.loc[wine_rev.price.notnull()]，价格不为空的
• wine_rev.loc[wine_rev.price.isnull()]，价格为NaN的

2.5 Assigning data 赋值

2.5.1 赋值常量

• wine_rev['critic'] = 'Michael'，新加了一列
• wine_rev.country = 'Ming'，已有的列的value会直接被覆盖

2.5.2 赋值迭代的序列

• wine_rev['test_id'] = range(len(wine_rev),0,-1)

---

下一篇：Pandas入门2（DataFunctions+Maps+groupby+sort_values）

总结

以上是生活随笔为你收集整理的Pandas入门1（DataFrame+Series读写/Index+Select+Assign）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。