学习python和数据分析推荐地方： www.lynda.com
获取lynda官网会员的方式：http://item.taobao.com/item.htm?id=557746408785

Pandas数据探索进阶

1. 前言

当我们使用numpy的时候，我们使用数字作为索引取数；我们使用pandas的时候，我们使用label（标签）取数。 大多数时候，pandas使用标签取数非常的方便和快捷。但是有时候也十分的繁杂，比如你想选择第十行和第十一行的数据时，你需要找到第10行对应的index，这样就不user-friendly了。

幸运的是，pandas由于底层使用的是numpy存储数据，pandas同样可以使用数字作为索引取数。

2. pandas常见的取数方式

• pandas常见的取数方式

  • 方式一： df.loc(row, column), 其中的row 和colum是
    • 1.单个标签
    • 2.标签列表
    • 3.标签切片
    • 4.布尔索引
  • 方式二： df.iloc(row, coloumn)， 其中的row和column是
    • 1.单个数字
    • 2.数字列表
    • 3.数字切片
    • 4.布尔索引
  • loc和iloc的区别图示

  

  • 选择整行或整列示例

# 选择第一行
first_row = df.iloc[0, :]
# 选择第一列
first_column = df.iloc[:, 0]

• 选择单行的简便方式

third_row = df.iloc[2]

3. Pandas读取csv文件

• pandas读取csv文件常见的姿势

  import pandas as pd 
  data = pd.read_csv('data.csv', index_col=0)
  f500.index.name = None
  

• 说明1： index_col=0的意思是，将第一列作为行标签，作为后面选择行标签的索引， 0表示第一列

• 说明2：我们使用DataFrame.index访问索引轴属性，然后我们index.name用来访问索引轴的名称；将index.name设置为None的目的是删除名称。

  ---

  import pandas as pd 
  f500 = pd.read_csv('f500.csv', index_col=0)
  f500.index.name = None
  f500.iloc[:5, :3]
  

  

  4. loc和iloc, 数字标签

  • 区别 iloc[1] 会永远选择第二行，loc[1]则会选择标签为1的行

  

• 需要记住的是，iloc永远选择的的是位置，loc选择的是index标签

• 排序

  sorted_emp = f500.sort_values("employees", ascending=False)
  top5_emp   = sorted_emp.iloc[:5]
  

  5. 其他布尔筛选方法

  • series.str.contrains() 方法

    # 选择 地点包含 CA的数据
    has_CA = f500['hq_location'].str.contains('CA')
    # 布尔索引
    ca = f500[has_CA ]
    

  • series.str.endswith()方法

    # 选择以CA 结尾的数据
    is_ca = f500['hq_location'].str.endswith('CA')
    # 布尔索引
    ca = f500[is_ca]
    

  • series.isnull() 和series.notnull()方法

    previously_ranked_notnull = f500[f500["previous_rank"].notnull()]
    previously_ranked_null = f500[f500["previous_rank"].isnull()]
    

  6. 布尔运算符

  • 主要的运算符 “and" , “or” 和”not"

    pandas语法	python语法	意义
    a & b	a and b	交集
    a | b	a or b	并集
    ~a	not a	取反

  • 布尔运算符实战， 需求： 找出中国公司中利润大于265000的公司和利润

    # 利润大于265000的行
    over_265 = f500['revenues'] > 265000
    # 在中国的行
    china = f500['country'] == 'China'
    # 公司在中国，且利润大于265000的公司和利润数据
    china_over_265 = f500[china & over_265， ['company', 'revenues']]
    

  7. 索引赋值

  • 场景：现有dataframe food和series colors, food和colors都有相同的索引，如下图，将color series加到food dataframe的方法：

    

  food['color'] = color
  

  • 结果：

    

  • 可以看到pandas已经将又脏又累的活帮我们干了，color会自动添加到相同index的行上。感受一下pandas的强大

  • 假如

    food["alt_name"] = alt_name
    

  • 结果

    

  • 可以看出，含有相同index的数据才会添加进去，索引不同或者没有的行，会用NAN补充。

Lynda永久会员购买地址：http://item.taobao.com/item.htm?id=557746408785