pandas 學習 第1篇：pandas基礎

pandas是基於NumPy構建的模塊，含有使數據分析更快更簡單的操做工具和數據結構，包含序列Series和數據框DataFrame兩種最主要數據結構，Index也是pandas中很是重要的數據結構。

一，數據結構

數據框（DataFrame）相似於二維的關係表，每列的數據類型是相同的，列與列的數據類型能夠不一樣，也能夠相同。數據框的結構是行和列，列有列名，行有行索引，行索引還能夠設置標籤。

序列（Series）能夠認爲是二維表中的一列，所以，能夠把數據框的一列轉換爲序列。在pandas中，序列是具備單一類型的一維數組，表示多行一列的數據結構，因爲一列中的元素必須是相同的，所以，序列中的數據具備相同的數據類型。和數據框同樣，序列具備行索引和行標籤屬性，每行都有一個索引和行標籤。

import pandas as pd

除了Series和DataFrame以外，pandas還有一個很是重要的數據結構：Index，索引用來訪問行，實現數據行的有序存儲，並能對Series和DataFrame進行切片訪問。

二，pandas的數據類型

在大多數狀況下，pandas使用NumPy的數組和dtypes做爲序列和數據框中列的數據類型，NumPy支持的數據類型是float、int、bool、timedelta64[ns]。pandas擴展了NumPy的類型系統，用dtype屬性來顯示元素的數據類型，pandas主要有如下幾種dtype：

• 字符串類型：object
• 整數類型：Int64，Int32，Int8
• 浮點數類型：float64，float32
• datetime64[ns]、datetime64[ns, tz]、timedelta[ns]：表示日期和時間類型
• bool：表示布爾類型
• category：表示分類

查看變量的數據類型，使用type(var)函數

type(obj)

1，數值類型

pandas中的整數類型和浮點數類型能夠爲空（NULL），在定義數據組或序列時，使用dtype參數來定義整數類型：

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())
pd.array([1, 2, np.nan], dtype="Int64")
pd.Series([1, 2, np.nan], dtype="Int32")

使用float3二、float64定義浮點數類型：

>>> pd.Series([1, 2, np.nan], dtype="float32")
0    1.0
1    2.0
2    NaN
dtype: float32

2，字符串類型

使用object來表示字符串類型

>>> pd.Series(['a', 'b', 'c'], dtype="object")
0    a
1    b
2    c
dtype: object

3，日期和時間類型類型

datetime64[ns] 表示的是日期和時間類型

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]")
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

4，類型轉換

類型轉換可使用astype()函數，轉換爲特定的額數據類型：

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]')
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

pandas還有類型轉換的特殊函數，用於轉換爲特定的數據類型：

• to_numeric() 
• to_datetime() 
• to_timedelta() 

好比，把序列轉換爲日期類型：

>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']))
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

三，pandas的優點

• 輕鬆處理數值型數據中的缺失數據（表示爲Nan）
• 能夠從DataFrame和Series中插入和刪除行數據和列數據，行和列都是能夠變化的
• 自動數據對齊
• 能夠對數據進行分組聚合操做
• 強大的IO工具，用於從平面文件(CSV或格式化文件)，Excel文件數據庫加載數據
• 時間序列處理，可以生成日期範圍、進行移動窗口統計、移動窗口線性迴歸、日期轉換等操做

 

參考文檔：

pandas overview