前言:
现时各位老铁们对“python数据分析实战pdf”大体比较注意,我们都想要剖析一些“python数据分析实战pdf”的相关知识。那么小编同时在网摘上网罗了一些有关“python数据分析实战pdf””的相关知识,希望你们能喜欢,大家一起来了解一下吧!14.1. 什么是pandas?
pandas : Python数据分析模块
pandas是为了解决数据分析任务而创建的,纳入了大量的库和标准数据模型,提供了高效地操作大型数据集所需的工具。在此所写文章做成笔记记录的形式,小编推荐一个企鹅群,群里分子非常踊跃交流经验遇坑问题,也有初学者交流讨论,群内整理了也整理了大量的PDF书籍和学习资料,程序员也很热心的帮助解决问题,还有讨论工作上的解决方案,非常好的学习交流地方!群内大概有好几千人了,喜欢python的朋友可以加入python群:526929231欢迎大家交流讨论各种奇技淫巧,一起快速成长
pandas中的数据结构 :
Series: 一维数组,类似于python中的基本数据结构list,区别是series只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。就像数据库中的列数据。
DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel:三维的数组,可以理解为DataFrame的容器。
14.2. 十分钟搞定pandas
引入需要的包:
numpy 是一个python实现的科学计算包
matplotlib 是一个python的2D绘图库
更多章节请查看 Cookbook
14.3. 创建对象
详情请查看 数据结构介绍
1.通过传入一个列表来创建 Series ,pandas会创建默认的整形指标:
2.通过传递数字数组、时间索引、列标签来创建 DataFrame
ps:
np.random.randn(6,4) 即创建6行4列的随机数字数组
3.通过传递能被转换成类似结构的字典来创建DataFrame:
4.查看各列的 dtypes
5.如果使用IPython,Tab会自动补全所有的属性和自定义的列,如下所示:
14.4. 查看数据
详情请查看 基本功能
1.查看DataFrame头部&尾部数据:
2.查看索引、列、和数组数据:
3.查看数据的快速统计结果:
4.对数据进行行列转换:
5.按 axis 排序:
6.按值排序:
14.5. 选择数据
注意:虽然标准的Python/Numpy表达式是直观且可用的,但是我们推荐使用优化后的pandas方法,例如:.at,.iat,.loc,.iloc以及.ix 详情请查看: Indexing and Selecting Data 和 MultiIndex / Advanced Indexing
获取
1.选择一列,返回Series,相当于df.A:
2.通过[]选择,即对行进行切片:
标签式选择
1.通过标签获取交叉区域:
ps:即获取时间为2013-01-01的数据
2.通过标签获取多轴数据:
3.标签切片:
4.对返回的对象缩减维度:
5.获取单个值:
6.快速访问单个标量(同5):
ps:loc通过行标签获取行数据,iloc通过行号获取行数据
位置式选择
详情请查看 通过位置选择
1.通过数值选择:
2.通过数值切片:
PS:左开右闭
3.通过指定列表位置:
4.对行切片:
5.对列切片:
6.获取特定值:
7.快速访问某个标量(同6):
Boolean索引
1.通过某列选择数据:
2.通过where选择数据:
3.通过 isin() 过滤数据:
设置
1.新增一列数据:
2.通过标签更新值:
3.通过位置更新值:
4.通过数组更新一列值:
上面几步操作的结果:
5.通过where更新值:
14.6. 缺失数据处理
pandas用np.nan代表缺失数据,详情请查看 Missing Data section
1.reindex()可以修改/增加/删除索引,会返回一个数据的副本:
2.丢掉含有缺失项的行:
3.对缺失项赋值:
4.对缺失项布尔赋值:
14.7. 相关操作
详情请查看 Basic section on Binary Ops
统计(操作通常情况下不包含缺失项)
1.按列求平均值:
2.按行求平均值:
3.操作不同的维度需要先对齐,pandas会沿着指定维度执行:
这里对齐维度指的对齐时间index
shift(2)指沿着时间轴将数据顺移两位
sub指减法,与NaN进行操作,结果也是NaN
应用
1.对数据应用function:
PS: - cumsum 累加
详情请查看 直方图和离散化
直方图:
pandas默认配置了一些字符串处理方法,可以方便的操作元素,如下所示:(详情请查看 Vectorized String Methods)
字符串方法:
14.8. 合并
连接
pandas提供了大量的方法,能轻松的对Series,DataFrame和Panel执行合并操作。详情请查看 Merging section
使用concat()连接pandas对象:
Join
类似SQL的合并操作,详情请查看 Database style joining
栗子:
栗子:
追加,详情请查看 Appending:
14.9. 分组
group by: - Splitting 将数据分组 - Applying 对每个分组应用不同的function - Combining 使用某种数据结果展示结果 详情请查看 Grouping section
举个栗子:
分组后sum求和:
对多列分组后sum:
14.10. 重塑
详情请查看 Hierarchical Indexing 和 Reshaping
stack:
PS:pd.MultiIndex.from_tuples 将包含多个list的元组转换为复杂索引
使用stack()方法为DataFrame增加column:
使用unstack()方法还原stack的DataFrame,默认还原最后一级,也可以自由指定:
透视表详情请查看 Pivot Tables
栗子:
PS:可以理解为自由组合表的行与列,类似于交叉报表
我们能非常简单的构造透视表:
14.11. 时间序列
pandas可以简单高效的进行重新采样通过频率转换(例如:将秒级数据转换成五分钟为单位的数据)。这常见与金融应用中,但是不限于此。详情请查看 Time Series section
栗子:
PS:将随机产生的秒级数据整合成5min的数据
时区表现:
时区变换:
在不同的时间跨度表现间变换:
PS:to_period()默认频率为M,to_period和to_timestamp可以相互转换
在周期和时间戳间转换,下面的栗子将季度时间转换为各季度最后一个月的09am:
14.12. 分类
从0.15版以后,pandas可以造DataFrame中包含分类数据,详情请查看 分类介绍 和 API 文档:
1.将原始成绩转换为分类数据:
2.重命名分类使其更有意义:
3.重新整理类别,并添加缺少的类别:
4.按整理后的类别排序(并非词汇的顺序):
5.按类别分组也包括空类别:
14.13. 绘图
详情请查看 Plotting:
在DataFrame中,plot()可以绘制所有带有标签的列:
14.14. 获取数据 写入导出
CSV
写入csv文件:
2. 读取csv文件:
HDF5
HDFStores
1.写入HDF5 Store:
2.从HDF5 Store读取:
Excel
MS Excel
1.写入excel文件:
2.从excel文件读取:
14.15. 小陷阱
如果你操作时遇到了如下异常:
请查看 Comparisons 来处理异常 查看 Gotchas 也可以
标签: #python数据分析实战pdf