文章目錄
- Pandas基本介紹
-
- Series
- DataFrame
- Pandas選擇資料
-
- 簡單篩選
- 标簽 loc 選擇
- 序列 iloc 選擇
- 混合兩種 ix 選擇
- 通過判斷的篩選
- Pandas設定值
Pandas基本介紹
- Numpy是清單形式的，沒有數值标簽，而Pandas是字典形式。Pandas是基于Numpy建構的，讓Numpy為中心的應用變得更加簡單。
- Pandas主要有兩個資料結構，Series和DataFrame。
Series
import pandas as pd
import numpy as np
s = pd.Series([1,3,6,np.nan,44,1])
print(s)
print(s[1]) #可以直接通路
Series
的字元串表現形式為：索引在左邊，值在右邊。由于沒有指定索引，預設建立0到N-1的整數型索引。下面是加上索引的
Series
grade = pd.Series([100,59,80],index=["李明","李紅","王美"])
print(grade.values)
print(grade.index)
print(grade["李明"])
DataFrame
dates = pd.date_range("20160101",periods=6)
df = pd.DataFrame(np.random.randn(6,4),index = dates,columns=['a','b','c','d'])
print(df)
a b c d
2016-01-01 -0.378199 -0.300236 -1.207843 -1.658223
2016-01-02 -1.031397 -0.834695 -0.417703 -0.318720
2016-01-03 -2.346667 1.615651 1.726296 1.152253
2016-01-04 1.389872 0.952453 -0.737092 1.555059
2016-01-05 0.735490 0.297005 -0.542341 0.559540
2016-01-06 -1.962791 1.776028 -1.917368 -0.679542
DataFrame
是一個表格型的資料結構，它包含有一組有序的列，每列可以是不同的值類型(數值、字元串、布爾值等)。
DataFrame
既有行索引也有列索引，它可以被看作由
Series
組成的大字典。
下面通路DataFrame中的資料，注意通路具體元素是先列标簽後行标簽
print(df['b'])
2016-01-01 -0.300236
2016-01-02 -0.834695
2016-01-03 1.615651
2016-01-04 0.952453
2016-01-05 0.297005
2016-01-06 1.776028
Freq: D, Name: b, dtype: float64
print(df['b']['2016-01-05'])
0.2970052798746942
建立一組沒有給定行标簽和列标簽的資料并通路
df = pd.DataFrame(np.arange(12).reshape((3,4)))
print(df)
print(df[1][0])
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
1
自定義每列的類型
df1 = pd.DataFrame({
'A':1,
'B':pd.Timestamp('20180928'),
'C':pd.Series(1,index=list(range(4)),dtype='float32'),
'D':np.array([3]*4,dtype='int32'),
'E':pd.Categorical(["test","train","test","train"]),
'F':'foo'})
print(df1)
print(df1['B'])
print(df1['B'][1])
A B C D E F
0 1 2018-09-28 1.0 3 test foo
1 1 2018-09-28 1.0 3 train foo
2 1 2018-09-28 1.0 3 test foo
3 1 2018-09-28 1.0 3 train foo
0 2018-09-28
1 2018-09-28
2 2018-09-28
3 2018-09-28
Name: B, dtype: datetime64[ns]
2018-09-28 00:00:00
檢視每行的名稱
print(df1.index)
Int64Index([0, 1, 2, 3], dtype='int64')
檢視每列的名稱
print(df1.columns)
Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')
檢視所有的值
print(df1.values)
[[1 Timestamp('2018-09-28 00:00:00') 1.0 3 'test' 'foo']
[1 Timestamp('2018-09-28 00:00:00') 1.0 3 'train' 'foo']
[1 Timestamp('2018-09-28 00:00:00') 1.0 3 'test' 'foo']
[1 Timestamp('2018-09-28 00:00:00') 1.0 3 'train' 'foo']]
檢視資料總結
print(df1.describe())
A C D
count 4.0 4.0 4.0
mean 1.0 1.0 3.0
std 0.0 0.0 0.0
min 1.0 1.0 3.0
25% 1.0 1.0 3.0
50% 1.0 1.0 3.0
75% 1.0 1.0 3.0
max 1.0 1.0 3.0
對資料的
index
進行排序輸出
print(df1.sort_index(axis=1,ascending=False))
F E D C B A
0 foo test 3 1.0 2018-09-28 1
1 foo train 3 1.0 2018-09-28 1
2 foo test 3 1.0 2018-09-28 1
3 foo train 3 1.0 2018-09-28 1
對資料的
value
進行排序輸出
print(df1.sort_values(by='B'))
A B C D E F
0 1 2018-09-28 1.0 3 test foo
1 1 2018-09-28 1.0 3 train foo
2 1 2018-09-28 1.0 3 test foo
3 1 2018-09-28 1.0 3 train foo
Pandas選擇資料
簡單篩選
print(df)
A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
print(df['A'])
2013-01-01 0
2013-01-02 4
2013-01-03 8
2013-01-04 12
2013-01-05 16
2013-01-06 20
Freq: D, Name: A, dtype: int64
print(df.A)
2013-01-01 0
2013-01-02 4
2013-01-03 8
2013-01-04 12
2013-01-05 16
2013-01-06 20
Freq: D, Name: A, dtype: int64
print(df[0:3])
A B C D
2013-01-01 0 1 2 3
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
print(df['20130102':'20130104'])
A B C D
2013-01-02 4 5 6 7
2013-01-03 8 9 10 11
2013-01-04 12 13 14 15
标簽 loc 選擇
print(df.loc['20130102'])
A 4
B 5
C 6
D 7
Name: 2013-01-02 00:00:00, dtype: int64
print(df.loc[:,['A','B']])
A B
2013-01-01 0 1
2013-01-02 4 5
2013-01-03 8 9
2013-01-04 12 13
2013-01-05 16 17
2013-01-06 20 21
print(df.loc['20130102',['A','B']])
A 4
B 5
Name: 2013-01-02 00:00:00, dtype: int64
序列 iloc 選擇
print(df.iloc[3,1])
13
print(df.iloc[3:5,1:3])
B C
2013-01-04 13 14
2013-01-05 17 18
print(df.iloc[[1,3,5],1:3])
B C
2013-01-02 5 6
2013-01-04 13 14
2013-01-06 21 22
混合兩種 ix 選擇
print(df.ix[:3,['A','C']]) #混合選擇
A C
2013-01-01 0 2
2013-01-02 4 6
2013-01-03 8 10
通過判斷的篩選
print(df[df.A>8])
A B C D
2013-01-04 12 13 14 15
2013-01-05 16 17 18 19
2013-01-06 20 21 22 23
Pandas設定值
#Pandas設定值
dates = pd.date_range('20180901',periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D'])
print(df)
A B C D
2018-09-01 0 1 2 3
2018-09-02 4 5 6 7
2018-09-03 8 9 10 11
2018-09-04 12 13 14 15
2018-09-05 16 17 18 19
2018-09-06 20 21 22 23
#根據位置設定loc和iloc
df.loc['20180903','B'] = 100
df.iloc[5,3] = 200
print(df)
A B C D
2018-09-01 0 1 2 3
2018-09-02 4 5 6 7
2018-09-03 8 100 10 11
2018-09-04 12 13 14 15
2018-09-05 16 17 18 19
2018-09-06 20 21 22 200
#根據條件設定
df.B[df.A>9] = 0
print(df)
A B C D
2018-09-01 0 1 2 3
2018-09-02 4 5 6 7
2018-09-03 8 100 10 11
2018-09-04 12 0 14 15
2018-09-05 16 0 18 19
2018-09-06 20 0 22 200
#按行或列設定
df['F'] = 0
print(df)
A B C D F
2018-09-01 0 1 2 3 0
2018-09-02 4 5 6 7 0
2018-09-03 8 100 10 11 0
2018-09-04 12 0 14 15 0
2018-09-05 16 0 18 19 0
2018-09-06 20 0 22 200 0
#添加資料
df['E'] = pd.Series([1,2,3,4,5,6],index = dates)
print(df)
A B C D F E
2018-09-01 0 1 2 3 0 1
2018-09-02 4 5 6 7 0 2
2018-09-03 8 100 10 11 0 3
2018-09-04 12 0 14 15 0 4
2018-09-05 16 0 18 19 0 5
2018-09-06 20 0 22 200 0 6
文章轉載于莫煩Python
![TestLink導出用例轉換工具(XML2Excel)[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)