小白學 Python 數據分析（5）：Pandas （四）基礎操做（1）查看數據

在家爲國家作貢獻太無聊，不如跟我一塊兒學點 Python

人生苦短，我用 Python

前文傳送門：

小白學 Python 數據分析（1）：數據分析基礎

小白學 Python 數據分析（2）：Pandas （一）概述

小白學 Python 數據分析（3）：Pandas （二）數據結構 Series

小白學 Python 數據分析（4）：Pandas （三）數據結構 DataFrame

引言

最近這個系列有段時間沒更新，理由也就不找了，總結就一點，懶！懶得學習！

我就是這麼一個能敢於發現而且認可錯誤的人。

不過從這篇開始，我又恢復更新了，手動滑稽一下：）

接下來小編要分享一些 Pandas 的基礎操做，可能會有些無聊，不過仍是但願有興趣的同窗能對照着代碼本身動手敲一下。

閒話很少聊，下面開始正題。

查看數據

前面的兩篇內容中，咱們介紹了 Pandas 的兩種數據結構，本篇的內容將主要介紹一些有關於 DataFrame 的查找操做，畢竟 DataFrame 是一個二維相似於表同樣的數據結構，咱們平時會更多的使用 DataFrame 。

首先第一部仍是導入 Pandas 與 NumPy ，而且要生成一個 DataFrame ，這裏小編就簡單的使用隨機數的形式進行生成，代碼以下：

import numpy as np
import pandas as pd

dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

print(df)複製代碼

這裏最後咱們打印了一下這個生成的 DataFrame ，結果以下：

A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577
2020-01-02  1.067580  1.592576 -0.010205 -0.349342
2020-01-03  1.141218  1.032333  1.364477  0.851630
2020-01-04  0.920260 -0.243247  0.196369 -0.835655
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644複製代碼

以上咱們的準備工做就完成了，已經構建了一個隨機產生的 DataFrame ，接下來咱們看一些簡單的取值操做。

首先第一個是從頭部開始取值，這裏使用到的方法是 head() ，好比如今須要取出上面這個 df 中第一行的數據，那咱們能夠這麼寫：

# 查看頭部數據
print(df.head(1))複製代碼

結果以下：

A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577複製代碼

既然有從頭部取數那麼必定會有從尾部取數，這個方法是 tail() ，用法和上面的同樣，這裏咱們從尾部取出兩行的數據，以下：

# 查看尾部數據
print(df.tail(2))複製代碼

結果以下：

A         B         C         D
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644複製代碼

對照看以前的 df ，能夠看到計算機成功完成了咱們的目標。

接下來，咱們獲取這個 df 的索引，這裏能夠用到的方法是 index ，以下：

# 獲取索引
print(df.index)複製代碼

結果以下：

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
               '2020-01-05', '2020-01-06'],
              dtype='datetime64[ns]', freq='D')複製代碼

能獲取索引那麼就必定能獲取全部的列名，這個方法你們可能都猜到了，就是 columns ，沒毛病， Pandas 的命名仍是很友好的，直接就是英文翻譯，多的我這裏就不吐槽了，命名不規範的代碼常常性的會形成他人的誤解，因此建議各位儘可能命名規範一點：

# 獲取列名
print(df.columns)複製代碼

結果以下：

Index(['A', 'B', 'C', 'D'], dtype='object')複製代碼

這裏 Pandas 還爲咱們提供了一個很 NB 的方法，就是直接快速查看數據的統計摘要，這個方法是 describe() ，這個方法可讓咱們簡單的知道一個咱們不清楚內容的 DataFrame 裏面具體內容，以下：

# 查看數據的統計摘要
print(df.describe())複製代碼

結果以下：

A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean   0.349414  0.187490  0.432303 -0.346153
std    0.818647  0.948383  0.663604  0.821275
min   -0.729184 -0.995325 -0.283726 -1.123577
25%   -0.316291 -0.241362  0.038070 -0.995378
50%    0.548879 -0.130700  0.189632 -0.592498
75%    1.030750  0.767826  0.907098  0.234148
max    1.141218  1.592576  1.364477  0.851630複製代碼

這裏的數據統計的挺全乎的，包括了數據量、均值、方差、最大值、最小值等。

小編這裏邪惡的想，若是在上中學考試的時候有這玩意，就不再須要用手在草稿紙上一個一個去作重複的體力勞動了。

Pandas 還爲咱們提供了一個神奇的功能，「轉置數據」，就是把行列互換，示例以下：

# 轉置數據
print(df.T)複製代碼

結果以下：

2020-01-01  2020-01-02  2020-01-03  2020-01-04  2020-01-05  2020-01-06
A    0.177499    1.067580    1.141218    0.920260   -0.729184   -0.480888
B   -0.025693    1.592576    1.032333   -0.243247   -0.235706   -0.995325
C    0.182894   -0.010205    1.364477    0.196369    1.144007   -0.283726
D   -1.123577   -0.349342    0.851630   -0.835655   -1.048619    0.428644複製代碼

是否是很神奇，不太小編以爲並沒有什麼實際用處。

咱們在實際的應用場景中，常常會遇到排序的需求， Pandas 爲咱們提供了兩個方法， sort_index() 和 sort_values() 。

爲了便於演示，小編這裏從新構造了一個亂序的 DataFrame ，以下：

df1 = pd.DataFrame({'b' :[1,2,3,2],'a':[4,3,2,1],'c':[1,3,8,2]},index=[2,0,1,3])
print(df1)複製代碼

結果以下：

b  a  c
2  1  4  1
0  2  3  3
1  3  2  8
3  2  1  2複製代碼

能夠看到，這個 df1 從索引和列名上看順序都是亂序的，接下來咱們開始對這個 df1 進行排序，首先咱們先使用 sort_values() 。

sort_values()

用途：既能夠根據列數據，也可根據行數據排序。

注意：必須指定by參數，即必須指定哪幾行或哪幾列；沒法根據 index 和 columns 排序（由 sort_index() 執行）

語法：DataFrame.sortvalues(by, axis=0, ascending=True, inplace=False, kind='quicksort', naposition='last')

• axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默認按照列排序，即縱向排序；若是爲1，則是橫向排序。
• by：str or list of str；若是axis=0，那麼by="列名"；若是axis=1，那麼by="行名"。
• ascending：布爾型，True則升序，若是by=['列名1','列名2']，則該參數能夠是[True, False]，即第一字段升序，第二個降序。
• inplace：布爾型，是否用排序後的數據框替換現有的數據框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。彷佛不用太關心。
• na_position：{‘first’, ‘last’}, default ‘last’，默認缺失值排在最後面。

按 b 列升序排序：

# 按 b 列升序排序
print(df1.sort_values(by='b'))複製代碼

結果以下：

b  a  c
2  1  4  1
0  2  3  3
3  2  1  2
1  3  2  8複製代碼

先按 b 列降序，再按 a 列升序排序：

# 先按 b 列降序，再按 a 列升序排序
print(df1.sort_values(by=['b','a'],axis=0,ascending=[False,True]))複製代碼

結果以下：

b  a  c
1  3  2  8
3  2  1  2
0  2  3  3
2  1  4  1複製代碼

按行 3 升序排列,必須指定 axis = 1 ：

# 按行 3 升序排列,必須指定 axis = 1
print(df1.sort_values(by=3,axis=1))複製代碼

結果以下：

a  b  c
2  4  1  1
0  3  2  3
1  2  3  8
3  1  2  2複製代碼

按行 3 升序，行 0 降排列：

# 按行 3 升序，行 0 降排列
print(df1.sort_values(by=[3,0],axis=1,ascending=[True,False]))複製代碼

結果以下：

a  c  b
2  4  1  1
0  3  3  2
1  2  8  3
3  1  2  2複製代碼

sort_index()

用途：默認根據行標籤對全部行排序，或根據列標籤對全部列排序，或根據指定某列或某幾列對行排序。

注意：df.sort_index() 能夠完成和 df.sort_values() 徹底相同的功能，但 python 更推薦用只用 df.sort_index() 對 index 和 columns 排序，其餘排序方式用 df.sort_values() 。

語法：DataFrame.sortindex(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', naposition='last', sort_remaining=True, by=None)

• axis：0 按照行名排序；1 按照列名排序。
• level：默認 None ，不然按照給定的 level 順序排列。
• ascending：默認 True 升序排列； False 降序排列。
• inplace：默認False，不然排序以後的數據直接替換原來的數據框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。彷佛不用太關心。
• na_position：缺失值默認排在最後{"first","last"}。
• by：按照某一列或幾列數據進行排序，可是by參數貌似不建議使用。

默認按「行標籤」升序排列：

# 默認按「行標籤」升序排列
print(df1.sort_index())複製代碼

結果以下：

b  a  c
0  2  3  3
1  3  2  8
2  1  4  1
3  2  1  2複製代碼

按「列標籤」升序排列：

# 按「列標籤」升序排列
print(df1.sort_index(axis=1))複製代碼

結果以下：

a  b  c
2  4  1  1
0  3  2  3
1  2  3  8
3  1  2  2複製代碼

還有兩個按列排序的例子：

# 先按 b 列「降序」排列，由於 b 列中有相同值，相同值再按 a 列的「升序」排列
print(df1.sort_index(by=['b','a'],ascending=[False,True]))
# 先按 a 列「降序」排列，而 a 列中沒有相同值，所以這裏按 b 列的「升序」排列不起做用。
print(df1.sort_index(by=['a','b'],ascending=[False,True]))複製代碼

結果以下：

b  a  c
2  1  4  1
3  2  1  2
0  2  3  3
1  3  2  8
   b  a  c
2  1  4  1
0  2  3  3
1  3  2  8
3  2  1  2複製代碼

雖然正常排序，可是程序運行後也出現了警告，以下：

FutureWarning: by argument to sort_index is deprecated, please use .sort_values(by=...)複製代碼

這個警告的意思是不推薦咱們使用 sort_index() 使用 by 這個參數，推薦咱們使用 sort_values() 這個方法。

示例代碼

老規矩，全部的示例代碼都會上傳至代碼管理倉庫 Github 和 Gitee 上，方便你們取用。

示例代碼-Github

示例代碼-Gitee

參考

https://www.pypandas.cn/docs/getting_started/10min.html

https://www.jianshu.com/p/f0ed06cd5003

若是個人文章對您有幫助，請掃碼關注下做者的公衆號：獲取最新干貨推送：）