建设网站公司地址,辽宁省建设工程信息网首页官网,邢台集团网站建设,网站建设方案新闻序号内容1【Python】Pandas 简介#xff0c;数据结构 Series、DataFrame 介绍#xff0c;CSV 文件处理#xff0c;JSON 文件处理2【Python】Pandas 数据清洗操作#xff0c;常用函数总结 文章目录 1. Pandas 简介2. Pandas 数据结构1. Series#xff08;一维数据#xff…序号内容1【Python】Pandas 简介数据结构 Series、DataFrame 介绍CSV 文件处理JSON 文件处理2【Python】Pandas 数据清洗操作常用函数总结 文章目录 1. Pandas 简介2. Pandas 数据结构1. Series一维数据2. DataFrame二维数据 3. 处理 CSV 文件4. 处理 JSON 文件Ref. 1. Pandas 简介
Pandas 是 Python 语言的一个扩展程序库用于数据分析其提供了高性能、易于使用的数据结构和数据分析工具。Pandas 名字衍生自术语 “panel data”面板数据和 “Python data analysis”Python 数据分析。
Pandas 一个强大的分析结构化数据的工具集基础是 Numpy提供高性能的矩阵运算。Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。Pandas 可以对各种数据进行运算操作比如归并、再成形、选择还有数据清洗和数据加工特征。Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。
2. Pandas 数据结构
Pandas 的主要数据结构是
Series一维数据DataFrame二维数据 1. Series一维数据
Series 是一种类似于一维数组的对象它由一组数据各种Numpy数据类型以及一组与之相关的数据标签即索引组成。
Pandas 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。 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。 程序代码的例子参考Pandas 数据结构 - Series。 2. DataFrame二维数据
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。 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。 没有对应的部分数据为 NaN。
Pandas 可以使用 loc 属性返回指定行的数据如果没有设置索引第一行索引为 0第二行索引为 1。
程序代码的例子参考Pandas 数据结构 - DataFrame。 3. 处理 CSV 文件
CSVComma-Separated Values逗号分隔值有时也称为字符分隔值因为分隔字符也可以不是逗号其文件以纯文本形式存储表格数据数字和文本。
CSV 是一种通用的、相对简单的文件格式被用户、商业和科学广泛应用。 to_string() 用于返回 DataFrame 类型的数据如果不使用该函数则输出结果为数据的前面 5 行和末尾 5 行中间部分以 … 代替。
import pandas as pd
df pd.read_csv(nba.csv)
print(df.to_string())to_csv() 方法将 DataFrame 存储为 csv 文件。
import pandas as pd
df pd.read_csv(nba.csv)
df.to_csv(site.csv)head( n ) 方法用于读取前面的 n 行如果不填参数 n 默认返回 5 行。
import pandas as pd
df pd.read_csv(nba.csv)
print(df.head(10))tail( n ) 方法用于读取尾部的 n 行如果不填参数 n 默认返回 5 行空行各个字段的值返回 NaN。
import pandas as pd
df pd.read_csv(nba.csv)
print(df.tail(10))info() 方法返回表格的一些基本信息
import pandas as pd
df pd.read_csv(nba.csv)
print(df.info())4. 处理 JSON 文件
JSONJavaScript Object NotationJavaScript 对象表示法是存储和交换文本信息的语法类似 XML。
JSON 比 XML 更小、更快更易解析更多 JSON 内容可以参考 JSON 教程。 下面是名字为 sites.json 文件的数据内容
[{id: A001,name: 菜鸟教程,url: www.runoob.com,likes: 61},{id: A002,name: Google,url: www.google.com,likes: 124},{id: A003,name: 淘宝,url: www.taobao.com,likes: 45}
]to_string() 用于返回 DataFrame 类型的数据我们也可以直接处理 JSON 字符串。
import pandas as pd
df pd.read_json(sites.json)
print(df.to_string())JSON 对象与 Python 字典具有相同的格式所以我们也可以直接将 Python 字典转化为 DataFrame 数据。
从 URL 中读取 JSON 数据
import pandas as pd
URL https://static.runoob.com/download/sites.json
df pd.read_json(URL)
print(df)json_normalize() 方法可以将内嵌的数据完整的解析出来。 Ref.
Pandas 教程 - 菜鸟教程Pandas - documentation
