pandas

一、pandas初级

安装matplotlib:pip install matplotlib 安装pandas:pip install pandas 本地C:\Users\Administrator\pip，在此目录配置清华园的远程下载 配置内容：

[global] index-url= pypi.tuna.tsinghua.edu /simple [install] trusted-host=mirrors.aliyun 1.1 花色调整 import numpy as np import matplotlib.pyplot as plt img=plt.imread('./向日葵.jpg') img.shape #高、宽、颜色，(1200, 1920, 3) # 1200高度像素 # 1920宽度像素 # 3 颜色通道：红绿蓝 plt.imshow(img) #展示图像，红绿蓝，红色 plt.imshow(img[:,:,::-1]) #蓝绿红，蓝色 plt.imshow(img[:,:,[1,0,2]]) #绿红蓝，绿色 1.2 pandas 1.2.1 数据结构

一维结构

import pandas as pd s=pd.Series(data=[0,3,5,7],index=['a','b','c','d'])#指定索引，一一对应 s=pd.Series(data=[0,3,5,7])#不指定索引，默认从0自增 s

0 0 1 3 2 5 3 7 dtype: int64

二维结构 第一种方式：

import pandas as pd import numpy as np #Excel类似 #创建DataFrame第一种方式 pd.DataFrame(data=np.random.randint(0,150,size=(5,3)),columns=['Python','En','Math'], index=list('ABCDE'),dtype=np.float32)

第二种方式：

import pandas as pd import numpy as np #Excel类似 #创建DataFrame第二种方式，字典中的key作为列索引，冒号后面表示数据 pd.DataFrame(data={'Python':np.random.randint(100,150,size=5), 'En':np.random.randint(0,150,size=5), 'Math':np.random.randint(0,150,size=5)},index=list('ABCDE'))

1.2.2 数据查看 import numpy as np import pandas as pd df=pd.DataFrame(data=np.random.randint(0,151,size=(150,3)), index=None,#行索引默认 columns=['Python','Math','En'])#列索引 # df.head(10)#查看前10行 # df.tail#默认查看后5个 # df.shape#查看形状 df['Python']=df['Python'].astype(np.int64)#修改数据类型 df.dtypes#查看数据类型 df.index#行索引 df.columns#列索引 df.values#对象值，二维数组 df.describe()#查看数值型列的汇总统计，平均值，最大值最小值等 df.info()#查看列索引、数据类型、非空计数和内存信息

1.2.3 数据的输入和输出

第一节：csv

import numpy as np import pandas as pd df=pd.DataFrame(data=np.random.randint(0,50,size=(50,5)),#薪资情况 columns=['IT','化工','生物','教师','士兵']) display(df) #保存到当前路径 df.to_csv('./salary.csv', sep=',',#文本分隔符,尽量用逗号 header=True,#是否保存列索引 index=True#是否保存行索引，若保存，文件被加载时，默认行索引会作为一列 ) #加载文件 pd.read_csv('./salary.csv', sep=',', header=[0],#指定列索引 index_col=0)#指定行索引

第二节：Excel pip install xlrd pip install xlwt

写

import numpy as np import pandas as pd df1=pd.DataFrame(data=np.random.randint(0,50,size=(50,5)),#薪资情况 columns=['IT','化工','生物','教师','士兵']) df2=pd.DataFrame(data=np.random.randint(0,50,size=(150,3)),#计算机科目的考试成绩 columns=['Python','Tensorflow','Keras'])#列索引 df1.to_excel('./salary.xlsx',sheet_name='salary', #Excel中工作表的名字 header=True,#是否保存列索引 index=False)#是否保存行索引

读

pd.read_excel('./salary.xlsx', sheet_name=0,#读取哪一个Excel工作表，默认第一个,或者sheet_name='salary' header=0,#使用第一行数据作为列索引 names=list('ABCDE'),#替换列索引 index_col=1)#指定行索引，B作为行索引

一个Excel中保存多个工作表

with pd.ExcelWriter('./data.xlsx') as writer: df1.to_excel(writer,sheet_name='salary',index=False) df2.to_excel(writer,sheet_name='score',index=False)

Excel中保存的多个工作表中，读取一个

pd.read_excel('./data.xlsx', sheet_name='salary')#读取Excel中指定名字的工作表 1.2.4 数据选择

和Numpy的花式索引类似

df=pd.DataFrame(np.random.randint(0,150,size=(1000,3)), columns=['Py','En','Math']) df

列获取：

# df['Py'] #不显示列索引 # df.Py #不显示列索引 df[['Py','Math']]#使用两个中括号时才会显示列索引 df[['En']] #显示列索引

行获取：

df2=pd.DataFrame(np.random.randint(0,150,size=(5,3)), index=list('ABCDE'), columns=['Py','En','Math']) df2

df2.loc['A']#行索引 df2.loc[['A','D']]

# df2.iloc[0]#自然数索引,第一行 df2.iloc[[0,3]]#第1行，第4行

具体数值：

df2['Math']['B']#这个必须分开写 110 df2.loc['B']['Math'] #加了loc首先要跟行索引，注意先后顺序110 df2.loc['B','Math']#也是先行后列110 # iloc表示，先获取行，再获取列 df2.iloc[1,2]#110 df2.loc['A':'C','En':]

df2.iloc[2:4,[0,-1]]#第三行、第四行的第一列和最后一列

boolean索引：

cond=df['Py']==140 df[cond]

cond1=df['Py']>130 cond2=df['Math']>130 cond=cond1&cond2 df[cond]