Python Pandas - 基本功能

Pandas 是 Python 中一个强大的数据操作库，提供用于处理 Series 和 DataFrame 格式数据的必要工具。这两种数据结构对于处理和分析大型数据集至关重要。

了解 Pandas 的基本功能，包括其属性和方法，对于有效地管理数据至关重要，这些属性和方法提供了对数据的宝贵见解，使理解和处理数据变得更容易。在本教程中，您将学习 Pandas 中一些基本属性和方法，这些属性和方法对于使用这些数据结构至关重要。

使用 Pandas 中的属性

Pandas 中的属性允许您访问有关 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	属性和描述
1	dtype 返回 Series 或 DataFrame 中元素的数据类型。
2	index 提供 Series 或 DataFrame 的索引（行标签）。
3	values 将 Series 或 DataFrame 中的数据作为 NumPy 数组返回。
4	shape 返回一个元组，表示 DataFrame 的维度（行，列）。
5	ndim 返回对象的维度数。Series 始终是 1D，DataFrame 是 2D。
6	size 给出对象中元素的总数。
7	empty 检查对象是否为空，如果为空则返回 True。
8	columns 提供 DataFrame 对象的列标签。

示例

让我们创建一个 Pandas Series 并探索这些属性操作。

import pandas as pd
import numpy as np

# Create a Series with random numbers
s = pd.Series(np.random.randn(4))

# Exploring attributes
print("Data type of Series:", s.dtype)
print("Index of Series:", s.index)
print("Values of Series:", s.values)
print("Shape of Series:", s.shape)
print("Number of dimensions of Series:", s.ndim)
print("Size of Series:", s.size)
print("Is Series empty?:", 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

让我们看看下面的示例，并了解这些属性在 DataFrame 对象上的工作原理。

import pandas as pd
import numpy as np

# Create a DataFrame with random numbers
df = pd.DataFrame(np.random.randn(3, 4), columns=list('ABCD'))
print("DataFrame:")
print(df)

print("Results:")
print("Data types:", df.dtypes)
print("Index:", df.index)
print("Columns:", df.columns)
print("Values:")
print(df.values)
print("Shape:", df.shape)
print("Number of dimensions:", df.ndim)
print("Size:", df.size)
print("Is empty:", df.empty)

执行上述代码后，您将获得以下输出：

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

探索 Pandas 中的基本方法

Pandas 在这两种数据结构中都提供了多种基本方法，这使得轻松快速查看和理解数据变得容易。这些方法帮助您获得摘要并探索详细信息，而无需花费太多精力。

Series 和 DataFrame 方法

序号	方法和描述
1	head(n) 返回对象的前 n 行。n 的默认值为 5。
2	tail(n) 返回对象的后 n 行。n 的默认值为 5。
3	info() 提供 DataFrame 的简洁摘要，包括索引 dtype 和列 dtype、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，例如计数、均值、标准差、最小值和最大值。

示例

现在让我们创建一个 Series 并查看 Series 基本方法的工作原理。

import pandas as pd
import numpy as np

# Create a Series with random numbers
s = pd.Series(np.random.randn(10))

print("Series:")
print(s)

# Using basic methods
print("First 5 elements of the Series:\n", s.head())
print("\nLast 3 elements of the Series:\n", s.tail(3))
print("\nDescriptive statistics of the Series:\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

现在看看下面的示例，并了解基本方法在 DataFrame 对象上的工作原理。

import pandas as pd
import numpy as np

#Create a Dictionary of series
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])}
 
#Create a DataFrame
df = pd.DataFrame(data)
print("Our data frame is:\n")
print(df)

# Using basic methods
print("\nFirst 5 rows of the DataFrame:\n", df.head())
print("\nLast 3 rows of the DataFrame:\n", df.tail(3))
print("\nInfo of the DataFrame:")
df.info()
print("\nDescriptive statistics of the DataFrame:\n", df.describe())

执行上述代码后，您将获得以下输出：

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

打印页面