Pandas 最细致教程_后端开发

相干进修引荐：python教程

Python 是开源的，它很棒，然则也没法防止开源的一些固有问题：许多包都在做（或许在尝试做）一样的事变。假如你是 Python 新手，那末你很难晓得某个特定使命的最好包是哪一个，你须要有履历的人通知你。有一个用于数据科学的包相对是必须的，它就是 pandas。

pandas 最风趣的处所在于内里隐蔽了许多包。它是一个核心包，内里有许多其他包的功用。这点很棒，由于你只须要运用 pandas 就可以够完成事情。

pandas 相当于 python 中 excel：它运用表（也就是 dataframe)，能在数据上做种种变更，但另有其他许多功用。

假如你早已熟知 python 的运用，能够直接跳到第三段。

让我们入手下手吧：

import pandas as pd复制代码

别问为什么是「pd」而不是「p」，就是如许。用就好了:)

pandas 最基础的功用

读取数据

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])复制代码

sep 代表的是分隔符。假如你在运用法语数据，excel 中 csv 分隔符是「;」，因而你须要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 示意读取前 1000 行数据。skiprows=[2,5] 示意你在读取文件的时刻会移除第 2 行和第 5 行。

• 最经常使用的功用：read_csv, read_excel

• 其他一些很棒的功用：read_clipboard, read_sql

写数据

data.to_csv( my_new_file.csv , index=None)复制代码

index=None 示意将会以数据原本的模样写入。假如没有写 index=None，你会多出一个第一列，内容是 1，2，3，...，一向到末了一行。

我一般不会去运用其他的函数，像.to_excel, .to_json, .to_pickle 等等，由于.to_csv 就可以很好地完成事情，而且 csv 是最经常使用的表格保留体式格局。

搜检数据

Gives (#rows, #columns)复制代码

给出行数和列数

data.describe()复制代码

盘算基础的统计数据

检察数据

data.head(3)复制代码

打印出数据的前 3 行。与之相似，.tail() 对应的是数据的末了一行。

data.loc[8]复制代码

打印出第八行

data.loc[8,  column_1 ]复制代码

打印第八行名为「column_1」的列

data.loc[range(4,6)]复制代码

第四到第六行（左闭右开）的数据子集

pandas 的基础函数

逻辑运算

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]复制代码

经由过程逻辑运算来取数据子集。要运用 & (AND)、 ~ (NOT) 和 | (OR)，必须在逻辑运算前后加上「and」。

data[data[ column_1 ].isin([ french ,  english ])]复制代码

除了能够在统一列运用多个 OR，你还能够运用.isin() 函数。

基础绘图

matplotlib 包使得这项功用成为可能。正如我们在引见中所说，它能够直接在 pandas 中运用。

data[ column_numerical ].plot()复制代码

（）.plot() 输出的示例

data[ column_numerical ].hist()复制代码

画出数据散布（直方图）

.hist() 输出的示例

%matplotlib inline复制代码

假如你在运用 Jupyter，不要忘记在绘图之前加上以上代码。

更新数据

data.loc[8,  column_1 ] =  english
将第八行名为 column_1 的列替换为「english」复制代码

data.loc[data[ column_1 ]== french ,  column_1 ] =  French复制代码

在一行代码中改变多列的值

好了，如今你能够做一些在 excel 中能够轻松接见的事变了。下面让我们深入研究 excel 中没法完成的一些使人惊异的操纵吧。

中级函数

统计涌现的次数

data[ column_1 ].value_counts()复制代码

.value_counts() 函数输出示例

在一切的行、列或许全数据上举行操纵

data[ column_1 ].map(len)复制代码

len() 函数被运用在了「column_1」列中的每个元素上

.map() 运算给一列中的每个元素运用一个函数

data[ column_1 ].map(len).map(lambda x: x/100).plot()复制代码

pandas 的一个很好的功用就是链式要领（tomaugspurger.github.io/method-chai… 和.plot()）。

data.apply(sum)复制代码

.apply() 会给一个列运用一个函数。

.applymap() 会给表 (DataFrame) 中的一切单位运用一个函数。

tqdm, 唯一的

在处置惩罚大规模数据集时，pandas 会消费一些时候来举行.map()、.apply()、.applymap() 等操纵。tqdm 是一个能够用来协助展望这些操纵的实行什么时候完成的包（是的，我撒谎了，我之前说我们只会运用到 pandas）。

from tqdm import tqdm_notebook
tqdm_notebook().pandas()复制代码

用 pandas 设置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))复制代码

用 .progress_map() 替代.map()、.apply() 和.applymap() 也是相似的。

在 Jupyter 中运用 tqdm 和 pandas 获得的进度条

相干性和散射矩阵

data.corr()
data.corr().applymap(lambda x: int(x*100)/100)复制代码

.corr() 会给出相干性矩阵

pd.plotting.scatter_matrix(data, figsize=(12,8))复制代码

散点矩阵的例子。它在统一幅图中画出了两列的一切组合。

pandas 中的高等操纵

The SQL 关联

在 pandas 中完成关联是异常异常简朴的

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])复制代码

关联三列只须要一行代码

分组

一入手下手并非那末简朴，你起首须要控制语法，然后你会发明你一向在运用这个功用。

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()复制代码

按一个列分组，挑选另一个列来实行一个函数。.reset_index() 会将数据重组成一个表。

正如前面诠释过的，为了优化代码，在一行中将你的函数连接起来。

行迭代

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ]复制代码

.iterrows() 运用两个变量一同轮回：行索引和行的数据 (上面的 i 和 row)

总而言之，pandas 是 python 成为精彩的编程言语的缘由之一

我本能够展现更多风趣的 pandas 功用，然则已写出来的这些足以让人明白为什么数据科学家离不开 pandas。总结一下，pandas 有以下长处：

• 易用，将一切庞杂、笼统的盘算都隐蔽在背地了；

• 直观；

• 疾速，纵然不是最快的也是异常快的。

它有助于数据科学家疾速读取和明白数据，进步其事情效率

以上就是Pandas 最细致教程的细致内容，更多请关注ki4网别的相干文章！