Python Pandas - 基本功能
Pandas 是 Python 中的一个强大数据操作库，提供处理 Series 和 DataFrame 格式数据的必需工具。这两种数据结构对于处理和分析大型数据集至关重要。
理解 Pandas 的基本功能，包括其属性和方法，对于有效管理数据至关重要，这些属性和方法提供了关于数据的宝贵洞察，使其更容易理解和处理。在本教程中，您将学习 Pandas 中处理这些数据结构至关重要的基本属性和方法。
在 Pandas 中使用属性
Pandas 中的属性允许您访问关于 Series 和 DataFrame 对象的元数据。通过使用这些属性，您可以探索并轻松理解数据。
Series 和 DataFrame 属性
以下是 Series 和 DataFrame 对象中广泛使用的属性 −
| 序号 | 属性 & 描述 |
|---|---|
| 1 |
dtype 返回 Series 或 DataFrame 中元素的 data type。 |
| 2 |
index 提供 Series 或 DataFrame 的索引（行标签）。 |
| 3 |
values 以 NumPy array 的形式返回 Series 或 DataFrame 中的数据。 |
| 4 |
shape 返回表示 DataFrame 维度（行、列）的元组。 |
| 5 |
ndim 返回对象的维度数。Series 始终为 1D，DataFrame 为 2D。 |
| 6 |
size 给出对象中元素的总数。 |
| 7 |
empty 检查对象是否为空，如果是则返回 True。 |
| 8 |
columns 提供 DataFrame 对象的列标签。 |
示例
让我们创建一个 Pandas Series 并探索这些属性的操作。
import pandas as pd
import numpy as np
# 使用随机数创建 Series
s = pd.Series(np.random.randn(4))
# 探索属性
print("Series 的数据类型:", s.dtype)
print("Series 的索引:", s.index)
print("Series 的值:", s.values)
print("Series 的形状:", s.shape)
print("Series 的维度数:", s.ndim)
print("Series 的大小:", s.size)
print("Series 是否为空?:", s.empty)
其 输出 如下 −
Data type of Series: float64 Index of Series: RangeIndex(start=0, stop=4, step=1) Values of Series: [-1.02016329 1.40840089 1.36293022 1.33091391] Shape of Series: (4,) Number of dimensions of Series: 1 Size of Series: 4 Is Series empty?: False
示例
让我们看下面的示例，了解这些属性在 DataFrame 对象上的工作原理。
import pandas as pd
import numpy as np
# 使用随机数创建 DataFrame
df = pd.DataFrame(np.random.randn(3, 4), columns=list('ABCD'))
print("DataFrame:")
print(df)
print("结果:")
print("数据类型:", df.dtypes)
print("索引:", df.index)
print("列:", df.columns)
print("值:")
print(df.values)
print("形状:", df.shape)
print("维度数:", df.ndim)
print("大小:", df.size)
print("是否为空:", df.empty)
执行上述代码将得到以下输出 −
DataFrame:
A B C D
0 2.161209 -1.671807 -1.020421 -0.287065
1 0.308136 -0.592368 -0.183193 1.354921
2 -0.963498 -1.768054 -0.395023 -2.454112
Results:
Data types:
A float64
B float64
C float64
D float64
dtype: object
Index: RangeIndex(start=0, stop=3, step=1)
Columns: Index(['A', 'B', 'C', 'D'], dtype='object')
Values:
[[ 2.16120893 -1.67180742 -1.02042138 -0.28706468]
[ 0.30813618 -0.59236786 -0.18319262 1.35492058]
[-0.96349817 -1.76805364 -0.3950226 -2.45411245]]
Shape: (3, 4)
Number of dimensions: 2
Size: 12
Is empty: False
Pandas 中的基本方法探索
Pandas 在数据结构中提供了几个基本方法，这些方法可以让您轻松快速地查看和理解您的数据。这些方法帮助您不费力气地获取摘要并探索详细信息。
Series 和 DataFrame 方法
| 序号 | 方法 & 描述 |
|---|---|
| 1 |
head(n) 返回对象的前 n 行。n 的默认值为 5。 |
| 2 |
tail(n) 返回对象的最后 n 行。n 的默认值为 5。 |
| 3 |
info() 提供 DataFrame 的简洁摘要，包括 index dtype 和 column dtypes、非空值以及内存使用情况。 |
| 4 |
describe() 生成 DataFrame 或 Series 的描述性统计信息，例如 count、mean、std、min 和 max。 |
示例
现在让我们创建一个 Series，并查看 Series 基本方法的运行情况。
import pandas as pd
import numpy as np
# 使用随机数创建一个 Series
s = pd.Series(np.random.randn(10))
print("Series:")
print(s)
# 使用基本方法
print("Series 的前 5 个元素:\n", s.head())
print("\nSeries 的最后 3 个元素:\n", s.tail(3))
print("\nSeries 的描述性统计信息:\n", s.describe())
其 输出 如下 −
Series: 0 -0.295898 1 -0.786081 2 -1.189834 3 -0.410830 4 -0.997866 5 0.084868 6 0.736541 7 0.133949 8 1.023674 9 0.669520 dtype: float64 First 5 elements of the Series: 0 -0.295898 1 -0.786081 2 -1.189834 3 -0.410830 4 -0.997866 dtype: float64 Last 3 elements of the Series: 7 0.133949 8 1.023674 9 0.669520 dtype: float64 Descriptive statistics of the Series: count 10.000000 mean -0.103196 std 0.763254 min -1.189834 25% -0.692268 50% -0.105515 75% 0.535627 max 1.023674 dtype: float64
示例
现在查看下面的示例，了解 DataFrame 对象上基本方法的运行情况。
import pandas as pd
import numpy as np
# 创建一个 Series 的字典
data = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# 创建一个 DataFrame
df = pd.DataFrame(data)
print("我们的数据框是:\n")
print(df)
# 使用基本方法
print("\nDataFrame 的前 5 行:\n", df.head())
print("\nDataFrame 的最后 3 行:\n", df.tail(3))
print("\nDataFrame 的信息:")
df.info()
print("\nDataFrame 的描述性统计信息:\n", df.describe())
执行上述代码后，您将得到以下输出 −
Our data frame is:
Name Age Rating
0 Tom 25 4.23
1 James 26 3.24
2 Ricky 25 3.98
3 Vin 23 2.56
4 Steve 30 3.20
5 Smith 29 4.60
6 Jack 23 3.80
First 5 rows of the DataFrame:
Name Age Rating
0 Tom 25 4.23
1 James 26 3.24
2 Ricky 25 3.98
3 Vin 23 2.56
4 Steve 30 3.20
Last 3 rows of the DataFrame:
Name Age Rating
4 Steve 30 3.2
5 Smith 29 4.6
6 Jack 23 3.8
Info of the DataFrame:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 7 non-null object
1 Age 7 non-null int64
2 Rating 7 non-null float64
dtypes: float64(1), int64(1), object(1)
memory usage: 296.0+ bytes
Descriptive statistics of the DataFrame:
Age Rating
count 7.000000 7.000000
mean 25.857143 3.658571
std 2.734262 0.698628
min 23.000000 2.560000
25% 24.000000 3.220000
50% 25.000000 3.800000
75% 27.500000 4.105000
max 30.000000 4.600000