python学习之panda数据分析核心支持库
作者:Recently 祝祝 时间:2023-11-04 17:39:29
前言
Python是一门实现数据可视化很好的语言,他们里面的很多库可以很好的画出图形,形象明了。
今天我们就来说说:Pandas数据分析核心支持库
初识Pandas:
Pandas 是 Python 语言的一个扩展程序库,用于数据分析。
Pandas 是一个开放源码、BSD 许可的库,提供高性能、易于使用的数据结构和数据分析工具。
Pandas 名字衍生自术语 “panel data”(面板数据)和 “Python data analysis”(Python 数据分析)。
Pandas 一个强大的分析结构化数据的工具集,基础是 Numpy(提供高性能的矩阵运算),其次数series,还有一个DataFrame,这三个比较常用。
Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作,比如归并、再成形、选择,还有数据清洗和数据加工特征。
Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。
Pandas的主体:
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。
Series:带标签的一维同构数组,一种类似于一维数组的对象,它由一组数据(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。
DataFrame:带标签,大小可变,二维异构表格。一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。
Pandas的安装:
终端输入,如果你跟我一样使用Anaconda中的Jupyter进行代表编写的话,也可以在Anaconda的终端里输入,之后就可以直接用了,他是Python中的一个库,使用不需要安装什么其他软件,拥有Python编译器即可。
pip install pandas
Pandas的应用:
1:导入pandas库
import pandas as pd
2:pandas之series
Pandas Series 类似表格中等一个列(column),类似于一维数组,可以保存任何数据类型 Series 由索引(index)和列组成,函数如下:
pandas.Series( data, index, dtype, name, copy)
参数说明:
data:一组数据(ndarray 类型)。
index:数据索引标签,如果不指定,默认从 0 开始。
dtype:数据类型,默认会自己判断。
name:设置名称。
copy:拷贝数据,默认为 False。
Demo:
FIrst:
import pandas as pd
a = ["shimmer", "zhuzhu", "recently祝祝"]
myvar = pd.Series(a)
print(myvar)
代码结果:
Second:可修改索引值、
Third:使用字典创建, key/value 对象,类似字典来创建 Series
Fourth:可以通过索引值的指定来取值
3:pandas之Dataframe
DataFrame 是一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。
DataFrame 构造方法如下:
pandas.DataFrame( data, index, columns, dtype, copy)
参数说明:
data:一组数据(ndarray、series, map, lists, dict 等类型)。
index:索引值,或者可以称为行标签。
columns:列标签,默认为 RangeIndex (0, 1, 2, …, n) 。
dtype:数据类型。
copy:拷贝数据,默认为 False。
Demo:
First:指定列标
Second:列分开插入,通过字典的形式创建
Third:使用字典(key/value),其中字典的 key 为列名:
fourth:通过loc取值,类似于列表里x,index【number】取值
Fifth:可以返回多行数据,使用 [[ … ]] 格式,… 为各行的索引,以逗号隔开:
Sixth:指定索引值
Seventh:取指定索引值
本篇就到这吧,希望看完这篇文章对你有用。
总结
来源:https://blog.csdn.net/qq_45656077/article/details/116381406
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
php strftime函数的详细用法
Python3.7+tkinter实现查询界面功能
![](https://img.aspxhome.com/file/2023/9/98869_0s.png)
2个asp防刷新程序代码
MYSQL中binlog优化的一些思考汇总
![](https://img.aspxhome.com/file/2023/3/96493_0s.jpg)
MySQL流程控制IF()、IFNULL()、NULLIF()、ISNULL()函数的使用
解决python 两个时间戳相减出现结果错误的问题
![](https://img.aspxhome.com/file/2023/4/134614_0s.jpg)
基于Python OpenCV和 dlib实现眨眼检测
![](https://img.aspxhome.com/file/2023/7/76847_0s.jpg)
Python利用matplotlib模块数据可视化绘制3D图
![](https://img.aspxhome.com/file/2023/5/101155_0s.png)
Golang 内存管理简单技巧详解
CSS? 3D? 3D CSS?
![](https://img.aspxhome.com/file/UploadPic/20095/13/3d-css-62s.jpg)
mysql中优化和修复数据库工具mysqlcheck详细介绍
python文件与路径管理方法
python能否java成为主流语言吗
vue.js2.0 实现better-scroll的滚动效果实例详解
![](https://img.aspxhome.com/file/2023/4/139864_0s.png)
SQL server 定时自动备份数据库的图文方法
![](https://img.aspxhome.com/file/2023/5/110985_0s.jpg)
玩转Python图像处理之二值图像腐蚀详解
![](https://img.aspxhome.com/file/2023/1/82611_0s.png)
完美的渐变透明效果,支持Firefox
Python一阶马尔科夫链生成随机DNA序列实现示例
![](https://img.aspxhome.com/file/2023/5/112095_0s.png)