Python Pandas教程：DataFrame、日期范围和用法

熊猫是什么？ Python?

熊猫 是一个开源库，可让您在以下环境中执行数据操作和分析： Python它涵盖了数值表格和时间序列等各种数据处理方式。它提供了一种创建、操作和整理数据的简便方法，并且它构建于……之上。 NumPy的因此，Pandas 要运行，必须先有 NumPy。

为什么要使用 Pandas？

数据科学家利用 Pandas Python 具有以下优点：

• 轻松处理缺失数据
• 它使用 Series 处理一维数据，使用 DataFrame 处理多维数据。
• 它提供了一种有效的数据切片方法
• 它提供了一种灵活的方式来合并、连接或重塑数据
• 它包含一个强大的时间序列工具包。

简而言之，Pandas 提供强大易用的数据结构以及快速操作这些数据结构的方法，因此它成为大多数编程语言的核心。 Python 数据分析 工作。

如何安装 Pandas

Pandas 随 Anaconda 和大多数托管笔记本服务一起提供，因此通常已安装。如果导入失败，可以使用以下命令之一添加它。环境内置 如何安装 TensorFlow 还包含熊猫。

• pip： pip install pandas
• 蟒蛇： conda install -c anaconda pandas
• 里面一个 Jupyter 笔记本 手机：

import sys
!conda install --yes --prefix {sys.prefix} pandas

什么是 Pandas 数据框？

Pandas DataFrame 是一种二维带标签的数据结构，其列可以包含不同类型的数据。它是以表格格式存储数据的标准方法：行存储观测值，列命名相关信息。例如： 车资 可以是列名，2、3、4 可以是价格值。

数据框对于统计学家和其他数据从业人员来说并不陌生。下图展示了数据框的形状——侧边是带有标签的行索引，顶部是带有名称的列。

什么是系列？

Series 是一种一维数据结构。它可以存储任何数据类型，例如整数、浮点数或字符串，当您需要执行计算或返回一维数组时非常有用。根据定义，Series 不能包含多列；如果需要多列，请使用 DataFrame 结构。

Pandas Series 构造函数接受以下参数：

• 日期： 可以是列表、字典或标量值

pd.Series([1., 2., 3.])

0    1.0
1    2.0
2    3.0
dtype: float64

您可以使用以下方式添加索引 index它为行命名，其长度必须等于列的大小。

pd.Series([1., 2., 3.], index=['a', 'b', 'c'])

下面您创建了一个 Pandas Series，其中第三行存在缺失值。缺失值 Python 显示在 NaN和 np.nan NumPy 会人为地创建一个这样的对象。

pd.Series([1,2,np.nan])

输出

0    1.0
1    2.0
2    NaN
dtype: float64

创建 Pandas DataFrame

您可以使用以下命令将 NumPy 数组转换为 DataFrame： pd.DataFrame()反过来也可以：要将 DataFrame 转换回数组，请使用 np.array() 或 df.to_numpy()这也是 Pandas 官方文档所推荐的做法。

## Numpy to pandas
import numpy as np
h = [[1,2],[3,4]] 
df_h = pd.DataFrame(h)
print('Data Frame:', df_h)

## Pandas to numpy
df_h_n = np.array(df_h)
print('Numpy array:', df_h_n)
Data Frame:    0  1
0  1  2
1  3  4
Numpy array: [[1 2]
 [3 4]]

字典作为输入同样有效 pd.DataFrame().

dic = {'Name': ["John", "Smith"], 'Age': [30, 40]}
pd.DataFrame(data=dic)

熊猫范围数据

Pandas 提供了一个便捷的 API 来创建日期范围，该范围将作为时间序列的索引。调用方式如下：

pd.date_range(start, periods, freq):

• 第一个参数是开始日期
• 第二个参数是周期数（如果指定了结束日期，则可选）
• 最后一个参数是频率：天 D， 月 M 和年份 Y

## Create date
# Days
dates_d = pd.date_range('20300101', periods=6, freq='D')
print('Day:', dates_d)

输出

Day: DatetimeIndex(['2030-01-01', '2030-01-02', '2030-01-03', '2030-01-04', '2030-01-05', '2030-01-06'], dtype='datetime64[ns]', freq='D')

# Months
dates_m = pd.date_range('20300101', periods=6, freq='M')
print('Month:', dates_m)

输出

Month: DatetimeIndex(['2030-01-31', '2030-02-28', '2030-03-31', '2030-04-30','2030-05-31', '2030-06-30'], dtype='datetime64[ns]', freq='M')

版本说明： 月份别名 M 上述方法已从 Pandas 2.2 开始弃用，并在 Pandas 3.0 中移除。在当前版本中，此方法无效。 freq='ME' 月末指数相同。

检查数据

您可以使用以下命令检查数据集的头部或尾部 head() or tail() 调用 DataFrame，如下面的 Pandas 示例所示。

步骤1） 使用 NumPy 创建一个随机序列。该序列有 4 列和 6 行。

random = np.random.randn(6,4)

步骤2） 然后使用 Pandas 创建一个 DataFrame。

绝大部分储备使用 dates_m 以日期作为索引，因此每一行都对应一个日期，并将4列命名为 columns 论据。

# Create data with date
df = pd.DataFrame(random,
                  index=dates_m,
                  columns=list('ABCD'))

计划 np.random.randn() 如果不使用种子运行，得到的结果将与此处打印的结果不同。 np.random.seed(0) 首先，如果你想重现一个固定的数据集。

步骤3） 使用头部功能

df.head(3)

步骤4） 使用尾部函数

df.tail(3)

步骤5） 获取数据线索的一个绝佳方法是…… describe()它报告数据集的计数、平均值、标准差、最小值、最大值和百分位数。

df.describe()

切片数据

切片操作可以从 DataFrame 中提取一部分行或列。您可以使用列名来指定切片类型。trac如下 Pandas 示例所示，只有一列。

## Slice
### Using name
df['A']

2030-01-31   -0.168655
2030-02-28    0.689585
2030-03-31    0.767534
2030-04-30    0.557299
2030-05-31   -1.547836
2030-06-30    0.511551
Freq: M, Name: A, dtype: float64

要选择多列，需要使用双括号。 [[..,..]]第一组参数表示要选择列；第二组参数指定要返回哪些列。

df[['A', 'B']]

您可以使用冒号对行进行切片。以下代码返回前三行。

### using a slice for row
df[0:3]

此 loc 访问器按名称选择列。与往常一样，逗号前的值代表行，逗号后的值代表列，需要用方括号括起来才能选择多列。

## Multi col
df.loc[:,['A','B']]

还有另一种选择多行和多列的方法。 iloc[] 它使用整数位置而不是列名，因此下面的代码返回与上面相同的 DataFrame。

df.iloc[:, :2]

删除列

您可以使用以下命令删除列 df.drop()传递名称 columns 论据。

df.drop(columns=['A', 'C'])

级联

你可以用以下方式连接两个数据框： pd.concat()首先创建两个框架。

import numpy as np
df1 = pd.DataFrame({'name': ['John', 'Smith','Paul'],
                     'Age': ['25', '30', '50']},
                    index=[0, 1, 2])
df2 = pd.DataFrame({'name': ['Adam', 'Smith' ],
                     'Age': ['26', '11']},
                    index=[3, 4])  

然后将它们连接起来。

df_concat = pd.concat([df1,df2]) 
df_concat

删除重复项

当数据集包含重复信息时， drop_duplicates() 是一种排除重复行的简便方法。 df_concat 包含重复观测值： Smith 出现两次 name 列。

df_concat.drop_duplicates('name')

排序值

您可以使用以下方式对帧进行排序 sort_values()。 注意 Age 此处以文本形式创建，因此行按字符串顺序排序。

df_concat.sort_values('Age')

重命名列

绝大部分储备使用 rename() 在 Pandas 中重命名列。每对参数中，第一个值是当前列名，第二个值是新列名。

df_concat.rename(columns={"name": "Surname", "Age": "Age_ppl"})

Pandas 方法快速参考

此表将每个常见任务映射到执行该任务的 Pandas 方法。

常见问题