前言：
此时看官们对“pythonpandas创建”大概比较讲究，姐妹们都想要剖析一些“pythonpandas创建”的相关知识。那么小编同时在网摘上搜集了一些关于“pythonpandas创建””的相关资讯，希望姐妹们能喜欢，朋友们快快来学习一下吧！简介
pandas是建立在Python编程语言之上的一种快速，强大，灵活且易于使用的开源数据分析和处理工具，它含有使数据清洗和分析⼯
作变得更快更简单的数据结构和操作⼯具。pandas经常和其它⼯具⼀同使⽤，如数值计算⼯具NumPy和SciPy，分析库statsmodels和scikit-learn，和数据可视化库matplotlib等。
pandas是基于NumPy数组构建的，虽然pandas采⽤了⼤量的NumPy编码⻛格，但⼆者最⼤的不同是pandas是专⻔为处理表格和混杂数据设计的。⽽NumPy更适合处理统⼀的数值数组数据。
本文是关于Pandas的简洁教程。
对象创建
因为Pandas是基于NumPy数组来构建的，所以我们在引用的时候需要同时引用Pandas和NumPy：
In [1]: import numpy as npIn [2]: import pandas as pd
Pandas中最主要的两个数据结构是Series和DataFrame。
Series和一维数组很相似，它是由NumPy的各种数据类型来组成的，同时还包含了和这组数据相关的index。
我们来看一个Series的例子：
In [3]: pd.Series([1, 3, 5, 6, 8])Out[3]:0 11 32 53 64 8dtype: int64
左边的是索引，右边的是值。因为我们在创建Series的时候并没有指定index，所以index是从0开始到n-1结束。
Series在创建的时候还可以传入np.nan表示空值：
In [4]: pd.Series([1, 3, 5, np.nan, 6, 8])Out[4]:0 1.01 3.02 5.03 NaN4 6.05 8.0dtype: float64
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、布尔值等）。
DataFrame既有⾏索引也有列索引，它可以被看做由Series组成的字典（共⽤同⼀个索引）。
看一个创建DataFrame的例子：
In [5]: dates = pd.date_range('20201201', periods=6)In [6]: datesOut[6]:DatetimeIndex(['2020-12-01', '2020-12-02', '2020-12-03', '2020-12-04', '2020-12-05', '2020-12-06'], dtype='datetime64[ns]', freq='D')上面我们创建了一个index的list。
然后使用这个index来创建一个DataFrame：
In [7]: pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))Out[7]: A B C D2020-12-01 1.536312 -0.318095 -0.737956 0.1433522020-12-02 1.325221 0.065641 -2.763370 -0.1305112020-12-03 -1.143560 -0.805807 0.174722 0.4270272020-12-04 -0.724206 0.050155 -0.648675 -0.6451662020-12-05 0.182411 0.956385 0.349465 -0.4840402020-12-06 1.857108 1.245928 -0.767316 -1.890586上面的DataFrame接收三个参数，第一个参数是DataFrame的表格数据，第二个参数是index的值，也可以看做是行名，第三个参数是列名。
还可以直接传入一个字典来创建一个DataFrame：
In [9]: pd.DataFrame({'A': 1., ...: 'B': pd.Timestamp('20201202'), ...: 'C': pd.Series(1, index=list(range(4)), dtype='float32'), ...: 'D': np.array([3] * 4, dtype='int32'), ...: 'E': pd.Categorical(["test", "train", "test", "train"]), ...: 'F': 'foo'}) ...:Out[9]: A B C D E F0 1.0 2020-12-02 1.0 3 test foo1 1.0 2020-12-02 1.0 3 train foo2 1.0 2020-12-02 1.0 3 test foo3 1.0 2020-12-02 1.0 3 train foo上面的DataFrame中，每个列都有不同的数据类型。
我们用个图片来更好的理解DataFrame和Series：
它就像是Excel中的表格，带有行头和列头。
DataFrame中的每一列都可以看做是一个Series：
查看数据
创建好Series和DataFrame之后，我们就可以查看他们的数据了。
Series可以通过index和values来获取其索引和值信息：
In [10]: data1 = pd.Series([1, 3, 5, np.nan, 6, 8])In [12]: data1.indexOut[12]: RangeIndex(start=0, stop=6, step=1)In [14]: data1.valuesOut[14]: array([ 1., 3., 5., nan, 6., 8.])
DataFrame可以看做是Series的集合，所以DataFrame带有更多的属性：
In [16]: df.head()Out[16]: A B C D2020-12-01 0.446248 -0.060549 -0.445665 -1.3925022020-12-02 -1.119749 -1.659776 -0.618656 1.9715992020-12-03 0.610846 0.216937 0.821258 0.8058182020-12-04 0.490105 0.732421 0.547129 -0.4432742020-12-05 -0.475531 -0.853141 0.160017 0.986973In [17]: df.tail(3)Out[17]: A B C D2020-12-04 0.490105 0.732421 0.547129 -0.4432742020-12-05 -0.475531 -0.853141 0.160017 0.9869732020-12-06 0.288091 -2.164323 0.193989 -0.197923
head跟tail分别取得DataFrame的头几行和尾部几行。
同样的DataFrame也有index和columns：
In [19]: df.indexOut[19]:DatetimeIndex(['2020-12-01', '2020-12-02', '2020-12-03', '2020-12-04', '2020-12-05', '2020-12-06'], dtype='datetime64[ns]', freq='D')In [20]: df.valuesOut[20]:array([[ 0.44624818, -0.0605494 , -0.44566462, -1.39250227], [-1.11974917, -1.65977552, -0.61865617, 1.97159943], [ 0.61084596, 0.2169369 , 0.82125808, 0.80581847], [ 0.49010504, 0.73242082, 0.54712889, -0.44327351], [-0.47553134, -0.85314134, 0.16001748, 0.98697257], [ 0.28809148, -2.16432292, 0.19398863, -0.19792266]])
describe方法可以对数据进行统计：
In [26]: df.describe()Out[26]: A B C Dcount 6.000000 6.000000 6.000000 6.000000mean 0.040002 -0.631405 0.109679 0.288449std 0.687872 1.128019 0.556099 1.198847min -1.119749 -2.164323 -0.618656 -1.39250225% -0.284626 -1.458117 -0.294244 -0.38193650% 0.367170 -0.456845 0.177003 0.30394875% 0.479141 0.147565 0.458844 0.941684max 0.610846 0.732421 0.821258 1.971599
还可以对DataFrame进行转置：
In [27]: df.TOut[27]: 2020-12-01 2020-12-02 2020-12-03 2020-12-04 2020-12-05 2020-12-06A 0.446248 -1.119749 0.610846 0.490105 -0.475531 0.288091B -0.060549 -1.659776 0.216937 0.732421 -0.853141 -2.164323C -0.445665 -0.618656 0.821258 0.547129 0.160017 0.193989D -1.392502 1.971599 0.805818 -0.443274 0.986973 -0.197923
可以按行和按列进行排序：
In [28]: df.sort_index(axis=1, ascending=False)Out[28]: D C B A2020-12-01 -1.392502 -0.445665 -0.060549 0.4462482020-12-02 1.971599 -0.618656 -1.659776 -1.1197492020-12-03 0.805818 0.821258 0.216937 0.6108462020-12-04 -0.443274 0.547129 0.732421 0.4901052020-12-05 0.986973 0.160017 -0.853141 -0.4755312020-12-06 -0.197923 0.193989 -2.164323 0.288091In [29]: df.sort_values(by='B')Out[29]: A B C D2020-12-06 0.288091 -2.164323 0.193989 -0.1979232020-12-02 -1.119749 -1.659776 -0.618656 1.9715992020-12-05 -0.475531 -0.853141 0.160017 0.9869732020-12-01 0.446248 -0.060549 -0.445665 -1.3925022020-12-03 0.610846 0.216937 0.821258 0.8058182020-12-04 0.490105 0.732421 0.547129 -0.443274选择数据
通过DataFrame的列名，可以选择代表列的Series：
In [30]: df['A']Out[30]:2020-12-01 0.4462482020-12-02 -1.1197492020-12-03 0.6108462020-12-04 0.4901052020-12-05 -0.4755312020-12-06 0.288091Freq: D, Name: A, dtype: float64
通过切片可以选择行：
In [31]: df[0:3]Out[31]: A B C D2020-12-01 0.446248 -0.060549 -0.445665 -1.3925022020-12-02 -1.119749 -1.659776 -0.618656 1.9715992020-12-03 0.610846 0.216937 0.821258 0.805818
或者这样：
In [32]: df['20201202':'20201204']Out[32]: A B C D2020-12-02 -1.119749 -1.659776 -0.618656 1.9715992020-12-03 0.610846 0.216937 0.821258 0.8058182020-12-04 0.490105 0.732421 0.547129 -0.443274loc和iloc
使用loc可以使用轴标签来选取数据。
In [33]: df.loc[:, ['A', 'B']]Out[33]: A B2020-12-01 0.446248 -0.0605492020-12-02 -1.119749 -1.6597762020-12-03 0.610846 0.2169372020-12-04 0.490105 0.7324212020-12-05 -0.475531 -0.8531412020-12-06 0.288091 -2.164323
前面是行的选择，后面是列的选择。
还可以指定index的名字：
In [34]: df.loc['20201202':'20201204', ['A', 'B']]Out[34]: A B2020-12-02 -1.119749 -1.6597762020-12-03 0.610846 0.2169372020-12-04 0.490105 0.732421
如果index的名字不是切片的话，将会给数据降维：
In [35]: df.loc['20201202', ['A', 'B']]Out[35]:A -1.119749B -1.659776Name: 2020-12-02 00:00:00, dtype: float64
如果后面列是一个常量的话，直接返回对应的值：
In [37]: df.loc['20201202', 'A']Out[37]: -1.1197491665145112
iloc是根据值来选取数据,比如我们选择第三行：
In [42]: df.iloc[3]Out[42]:A 0.490105B 0.732421C 0.547129D -0.443274Name: 2020-12-04 00:00:00, dtype: float64
它其实和df.loc[‘2020-12-04’]是等价的：
In [41]: df.loc['2020-12-04']Out[41]:A 0.490105B 0.732421C 0.547129D -0.443274Name: 2020-12-04 00:00:00, dtype: float64
同样可以传入切片：
In [43]: df.iloc[3:5, 0:2]Out[43]: A B2020-12-04 0.490105 0.7324212020-12-05 -0.475531 -0.853141
可以传入list：
In [44]: df.iloc[[1, 2, 4], [0, 2]]Out[44]: A C2020-12-02 -1.119749 -0.6186562020-12-03 0.610846 0.8212582020-12-05 -0.475531 0.160017
取具体某个格子的值：
In [45]: df.iloc[1, 1]Out[45]: -1.6597755161871708布尔索引
DataFrame还可以通过布尔值来进行索引，下面是找出列A中所有元素大于0的：
In [46]: df[df['A'] > 0]Out[46]: A B C D2020-12-01 0.446248 -0.060549 -0.445665 -1.3925022020-12-03 0.610846 0.216937 0.821258 0.8058182020-12-04 0.490105 0.732421 0.547129 -0.4432742020-12-06 0.288091 -2.164323 0.193989 -0.197923
或者找出整个DF中，值大于0的：
In [47]: df[df > 0]Out[47]: A B C D2020-12-01 0.446248 NaN NaN NaN2020-12-02 NaN NaN NaN 1.9715992020-12-03 0.610846 0.216937 0.821258 0.8058182020-12-04 0.490105 0.732421 0.547129 NaN2020-12-05 NaN NaN 0.160017 0.9869732020-12-06 0.288091 NaN 0.193989 NaN
可以给DF添加一列：
In [48]: df['E'] = ['one', 'one', 'two', 'three', 'four', 'three']In [49]: dfOut[49]： A B C D E2020-12-01 0.446248 -0.060549 -0.445665 -1.392502 one2020-12-02 -1.119749 -1.659776 -0.618656 1.971599 one2020-12-03 0.610846 0.216937 0.821258 0.805818 two2020-12-04 0.490105 0.732421 0.547129 -0.443274 three2020-12-05 -0.475531 -0.853141 0.160017 0.986973 four2020-12-06 0.288091 -2.164323 0.193989 -0.197923 three
使用isin()来进行范围值的判断判断：
In [50]: df[df['E'].isin(['two', 'four'])]Out[50]: A B C D E2020-12-03 0.610846 0.216937 0.821258 0.805818 two2020-12-05 -0.475531 -0.853141 0.160017 0.986973 four处理缺失数据
现在我们的df有a,b,c,d,e这5列，如果我们再给他加一列f，那么f的初始值将会是NaN：
In [55]: df.reindex(columns=list(df.columns) + ['F'])Out[55]: A B C D E F2020-12-01 0.446248 -0.060549 -0.445665 -1.392502 one NaN2020-12-02 -1.119749 -1.659776 -0.618656 1.971599 one NaN2020-12-03 0.610846 0.216937 0.821258 0.805818 two NaN2020-12-04 0.490105 0.732421 0.547129 -0.443274 three NaN2020-12-05 -0.475531 -0.853141 0.160017 0.986973 four NaN2020-12-06 0.288091 -2.164323 0.193989 -0.197923 three NaN
我们给前面的两个F赋值：
In [74]: df1.iloc[0:2,5]=1In [75]: df1Out[75]: A B C D E F2020-12-01 0.446248 -0.060549 -0.445665 -1.392502 one 1.02020-12-02 -1.119749 -1.659776 -0.618656 1.971599 one 1.02020-12-03 0.610846 0.216937 0.821258 0.805818 two NaN2020-12-04 0.490105 0.732421 0.547129 -0.443274 three NaN2020-12-05 -0.475531 -0.853141 0.160017 0.986973 four NaN2020-12-06 0.288091 -2.164323 0.193989 -0.197923 three NaN
可以drop所有为NaN的行：
In [76]: df1.dropna(how='any')Out[76]: A B C D E F2020-12-01 0.446248 -0.060549 -0.445665 -1.392502 one 1.02020-12-02 -1.119749 -1.659776 -0.618656 1.971599 one 1.0
可以填充NaN的值：
In [77]: df1.fillna(value=5)Out[77]: A B C D E F2020-12-01 0.446248 -0.060549 -0.445665 -1.392502 one 1.02020-12-02 -1.119749 -1.659776 -0.618656 1.971599 one 1.02020-12-03 0.610846 0.216937 0.821258 0.805818 two 5.02020-12-04 0.490105 0.732421 0.547129 -0.443274 three 5.02020-12-05 -0.475531 -0.853141 0.160017 0.986973 four 5.02020-12-06 0.288091 -2.164323 0.193989 -0.197923 three 5.0
可以对值进行判断：
In [78]: pd.isna(df1)Out[78]: A B C D E F2020-12-01 False False False False False False2020-12-02 False False False False False False2020-12-03 False False False False False True2020-12-04 False False False False False True2020-12-05 False False False False False True2020-12-06 False False False False False True合并
DF可以使用Concat来合并多个df，我们先创建一个df：
In [79]: df = pd.DataFrame(np.random.randn(10, 4))In [80]: dfOut[80]: 0 1 2 30 1.089041 2.010142 -0.532527 0.9916691 1.303678 -0.614206 -1.358952 0.0062902 -2.663938 0.600209 -0.008845 -0.0369003 0.863718 -0.450501 1.325427 0.4173454 0.789239 -0.492630 0.873732 0.3759415 0.327177 0.010719 -0.085967 -0.5912676 -0.014350 1.372144 -0.688845 0.4227017 -3.355685 0.044306 -0.979253 -2.1842408 -0.051961 0.649734 1.156918 -0.2337259 -0.692530 0.057805 -0.030565 0.209416
然后把DF拆成三部分：
In [81]: pieces = [df[:3], df[3:7], df[7:]]
最后把使用concat把他们合起来：
In [82]: pd.concat(pieces)Out[82]: 0 1 2 30 1.089041 2.010142 -0.532527 0.9916691 1.303678 -0.614206 -1.358952 0.0062902 -2.663938 0.600209 -0.008845 -0.0369003 0.863718 -0.450501 1.325427 0.4173454 0.789239 -0.492630 0.873732 0.3759415 0.327177 0.010719 -0.085967 -0.5912676 -0.014350 1.372144 -0.688845 0.4227017 -3.355685 0.044306 -0.979253 -2.1842408 -0.051961 0.649734 1.156918 -0.2337259 -0.692530 0.057805 -0.030565 0.209416
还可以使用join来进行类似SQL的合并：
In [83]: left = pd.DataFrame({'key': ['foo', 'foo'], 'lval': [1, 2]})In [84]: right = pd.DataFrame({'key': ['foo', 'foo'], 'rval': [4, 5]})In [85]: leftOut[85]: key lval0 foo 11 foo 2In [86]: rightOut[86]: key rval0 foo 41 foo 5In [87]: pd.merge(left, right, on='key')Out[87]: key lval rval0 foo 1 41 foo 1 52 foo 2 43 foo 2 5分组先看上面的DF：
In [99]: df2Out[99]: key lval rval0 foo 1 41 foo 1 52 foo 2 43 foo 2 5
我们可以根据key来进行group，从而进行sum：
In [98]: df2.groupby('key').sum()Out[98]: lval rvalkeyfoo 6 18group还可以按多个列进行：
In [100]: df2.groupby(['key','lval']).sum()Out[100]: rvalkey lvalfoo 1 9 2 9
本文已收录于
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！
版权声明：
本站文章均来自互联网搜集，如有侵犯您的权益，请联系我们删除，谢谢。
标签： #pythonpandas创建
