一、Pandas

2008年WesMcKinney開發出的庫

專門用于數據挖掘的開源python庫

以Numpy為基礎，借力Numpy模塊在計算方面性能高的優勢

基于matplotlib，能夠簡便的畫圖

獨特的數據結構

二、數據結構 Pandas中一共有三種數據結構，分別為：Series、DataFrame和MultiIndex。三、Series

Series是一個類似于一維數組的數據結構，它能夠保存任何類型的數據，比如整數、字符串、浮點數等，主要由一組數據和與之相關的索引兩部分構成。

Series的創建

import pandas as pdpd.Series(np.arange(3))

0 01 12 2dtype: int64

#指定索引pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])

1 6.72 5.63 3.04 10.05 2.0dtype: float64

#通過字典數據創建color_count = pd.Series({’red’:100, ’blue’:200, ’green’: 500, ’yellow’:1000})color_count

blue 200green 500red 100yellow 1000dtype: int64

Series的屬性

color_count.indexcolor_count.values

也可以使用索引來獲取數據：

color_count[2]

100

Series排序

data[‘p_change’].sort_values(ascending=True) # 對值進行排序data[‘p_change’].sort_index() # 對索引進行排序#series排序時，只有一列，不需要參數

四、DataFrame

創建

pd.DataFrame(np.random.randn(2,3))

score = np.random.randint(40, 100, (10, 5))score

array([[92, 55, 78, 50, 50],[71, 76, 50, 48, 96],[45, 84, 78, 51, 68],[81, 91, 56, 54, 76],[86, 66, 77, 67, 95],[46, 86, 56, 61, 99],[46, 95, 44, 46, 56],[80, 50, 45, 65, 57],[41, 93, 90, 41, 97],[65, 83, 57, 57, 40]])

但是這樣的數據形式很難看到存儲的是什么的樣的數據，可讀性比較差！！

# 使用Pandas中的數據結構score_df = pd.DataFrame(score)

DataFrame的屬性

data.shapedata.indexdata.columnsdata.valuesdata.Tdata.head(5)data.tail(5)data.reset_index(keys, drop=True)keys : 列索引名成或者列索引名稱的列表drop : boolean, default True.當做新的索引，刪除原來的列

dataframe基本數據操作

data[‘open’][‘2018-02-27’] # 直接使用行列索引名字的方式（先列后行）data.loc[‘2018-02-27’:‘2018-02-22’, ‘open’] # 使用loc:只能指定行列索引的名字data.iloc[:3, :5 ]# 使用iloc可以通過索引的下標去獲取data.sort_values(by=“open”, ascending=True) #單個排序data.sort_values(by=[‘open’, ‘high’]) # 按照多個鍵進行排序data.sort_index() # 對索引進行排序

DataFrame運算

應用add等實現數據間的加、減法運算應用邏輯運算符號實現數據的邏輯篩選應用isin, query實現數據的篩選使用describe完成綜合統計使用max, min, mean, std完成統計計算使用idxmin、idxmax完成最大值最小值的索引使用cumsum等實現累計分析應用apply函數實現數據的自定義處理

五、pandas.DataFrame.plot

DataFrame.plot(kind=‘line’)kind : str，需要繪制圖形的種類‘line’ : line plot (default)‘bar’ : vertical bar plot‘barh’ : horizontal bar plot關于“barh”的解釋：http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.barh.html‘hist’ : histogram‘pie’ : pie plot‘scatter’ : scatter plot

六、缺失值處理

isnull、notnull判斷是否存在缺失值np.any(pd.isnull(movie)) # 里面如果有一個缺失值,就返回Truenp.all(pd.notnull(movie)) # 里面如果有一個缺失值,就返回Falsedropna刪除np.nan標記的缺失值movie.dropna()fillna填充缺失值movie[i].fillna(value=movie[i].mean(), inplace=True)replace替換wis.replace(to_replace='?', value=np.NaN)

七、數據離散化

p_change= data[’p_change’]# 自行分組，每組個數差不多qcut = pd.qcut(p_change, 10)# 計算分到每個組數據個數qcut.value_counts()

# 自己指定分組區間bins = [-100, -7, -5, -3, 0, 3, 5, 7, 100]p_counts = pd.cut(p_change, bins)

得出one-hot編碼矩陣

dummies = pd.get_dummies(p_counts, prefix='rise')#prefix:分組名字前綴八、數據合并

pd.concat([data1, data2], axis=1)按照行或列進行合并,axis=0為列索引，axis=1為行索引

pd.merge(left, right, how=‘inner’, on=None)

可以指定按照兩組數據的共同鍵值對合并或者左右各自left: DataFrameright: 另一個DataFrameon: 指定的共同鍵how:按照什么方式連接

九、交叉表與透視表

交叉表：計算一列數據對于另外一列數據的分組個數 透視表：指定某一列對另一列的關系

#通過交叉表找尋兩列數據的關系count = pd.crosstab(data[’week’], data[’posi_neg’])#通過透視表，將整個過程變成更簡單一些data.pivot_table([’posi_neg’], index=’week’)十、數據聚合

count = starbucks.groupby([’Country’]).count()col.groupby([’color’])[’price1’].mean()#拋開聚合談分組，無意義

到此這篇關于Python機器學習三大件之二pandas的文章就介紹到這了,更多相關Python pandas內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！