【Pandas学习笔记01】强大的分析结构化数据的工具集

作者:幻好

来源:恒生LIGHT云社区

背景简介

在进行量化分析的过程中,总是需要使用大量的数据基础,对数据之间的关联进行挖掘,最终找到我们需要的数据。只通过Python进行数据分析是非常复杂的,有没有更简单的工具帮助我们能够高效快捷的帮助我们分析数据呢?

今天就介绍下Pandas-一个强大的分析结构化数据的工具集。

本文主要正对有一定 Python 语法基础的同学,需要学习 Python 的同学可以在社区寻找教程进行充电(https://developer.hs.net/course/?nav=course)。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D5DPkDrS-1637826444733)(https://developer.hs.net/storage/attachments/2021/11/21/dHzoWpeBPKWpKswnYhZdIuVtog8BLgBrm3cESsCL_thumb.png “3816”)]

基本概念

Pandas 库是一个免费、开源的第三方 Python 库,是 Python 数据分析必不可少的工具之一,它为 Python 数据分析提供了高性能,且易于使用的数据结构,即 Series 和 DataFrame。

Pandas 使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。

Pandas 库基于 Python NumPy 库开发而来,因此,它可以与 Python 的科学计算库配合使用。

Pandas 自诞生后被应用于众多的领域,比如金融、统计学、社会科学、建筑工程等。

通过以上的介绍,想必大家对于Pandas是干啥的,能有个基本的了解。pandas 相当于 python 中 excel:它使用表(也就是 dataframe),能在数据上做各种变换,但还有其他很多功能。

数据结构

DataFrame

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、布尔型值)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3kbyq12E-1637826444735)(https://developer.hs.net/storage/attachments/2021/11/21/j7HLQWNXBCfGojdYrB2obddxWi4BcIbtnRsIVaHj_thumb.png “3817”)]

DataFrame 构造方法如下:

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明:

  • data:一组数据(ndarray、series, map, lists, dict 等类型)。
  • index:索引值,或者可以称为行标签。
  • columns:列标签,默认为 RangeIndex (0, 1, 2, …, n) 。
  • dtype:数据类型。
  • copy:拷贝数据,默认为 False。

Series

Series 类似表格中的一个列(column),类似于一维数组,可以保存任何数据类型。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lcCkwyk2-1637826444737)(https://developer.hs.net/storage/attachments/2021/11/21/R8oTHdMxUZhy2BYguImcn8FVc0ihjhL6gZNY32Go_thumb.png “3818”)]

Series 由索引(index)和列组成,函数如下:

pandas.Series( data, index, dtype, name, copy)

参数说明:

  • data:一组数据(ndarray 类型)。
  • index:数据索引标签,如果不指定,默认从 0 开始。
  • dtype:数据类型,默认会自己判断。
  • name:设置名称。
  • copy:拷贝数据,默认为 False。

快速上手

引入组件

引入 Pandas 的组件到代码中:

import pandas as pd

如果引入不到,说明环境配置有问题或者你压根就没下载,通过以下方式下载组件:

pip install Pandas

Series对象操作

通过 Series() 函数来创建 Series 对象,通过这个对象可以调用相应的方法和属性:

import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print (s)

DataFrame对象操作

通过 DataFrame() 创建对象的语法格式如下:

import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print(df)

读取文件数据

可以通过 read_csv() 函数对本地 .csv格式文件进行读取:

data = pd.read_csv('file.csv')
data = pd.read_csv('file.csv', nrows=1000, skiprows=[1,5], encoding= gbk)

参数含义:

  • 'file.csv' : 表示读取文件名,可加入系统位置进行读取
  • nrows :表示读取前多少行数据
  • skiprows : 表示读取文件的时候会自动跳过不读行数。
  • encoding : 表示读取文件的编码格式

read_csv ,类似的方法还有 read_excel 读取Excel文件数据。

写入文件数据

Pandas 提供的 to_csv() 函数用于将 DataFrame 转换为 CSV 数据。如果想要把 CSV 数据写入文件,只需向函数传递一个文件对象即可。否则,CSV 数据将以字符串格式返回。

data.to_csv(‘my_new_file.csv’, index=None)

参数含义:

  • index : 表示是否需要添加索引,默认会自动添加索引

to_csv ,类似的方法还有 to_excel 写入Excel文件数据。

总结

本文主要介绍 Pandas 工具集的基础知识,学习 Pandas 能帮助我们快速处理和分析数据,后续会继续会更新实用操作,敬请期待。

上一篇:放假去哪里好玩?用python帮你分析


下一篇:RASPBERRY PI 外设学习资源