快乐学习Pandas入门篇:Pandas基础
点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
寄语:本文对Pandas基础内容进行了梳理,从文件读取与写入、Series及DataFrame基本数据结构、常用基本函数及排序四个模块快速入门。
完整学习教程已开源,开源链接:
https://github.com/datawhalechina/joyful-pandas
import pandas as pd
import numpy as np
# 加上这两行可以一次性输出多个变量而不用print
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
# 查看版本
pd.__version__
pd.set_option('display.max_columns', None)
读取
Pandas常用的有以下三种文件:
csv文件
txt文件
xls/xlsx文件
读取文件时的注意事项:
文件路径是否正确,相对路径 ./data
编码方式 分隔符
列名
#读取csv文件
df = pd.read_csv('./data./table.csv')
df.head()
#读取txt文件,直接读取可能会出现数据都挤在一列上
df_txt = pd.read_table('./data./table.txt')
#df_txt = pd.read_table('./data./table.csv', sep=",")
df_txt.head()
#读取xls/xlsx文件
df_excel = pd.read_excel('./data./table.xlsx')
df_excel.head()
写入
将结果输出到csx、txt、xls、xlsx文件中
df.to_csv('./new table.csv')
df.to_excel('./new table.xlsx')
Pandas处理的基本数据结构有 Series 和 DataFrame。两者的区别和联系见下表:
Series
1. 创建
Series常见属性有 values, index, name, dtype
s = pd.Series(np.random.randn(5), index=['a','b','c','d','e'],
name='this is a series', dtype='float64')
2. 访问Series属性
s.values, s.index, s.name, s.dtype
3. 取出某元素
通过索引取数或通过位置取数
s['a'], s[2:], s[1]
4. 调用方法
s.mean(), s.sum(), s.hist()
DataFrame
1. 创建
DataFrame基本属性有 values、columns、index
df = pd.DataFrame({'col1':list('abcde'), 'col2':range(5,10),
'col3':[1.3,2.5,3.6,4.6,5.8]}, index=list('一二三四五'))
2. 取一列/取一行
df['col1'], df[:1]
type(df), type(df['col1']), type(df[:1]
3. 修改行或列名
df.rename(index={'一':'one'}, columns={'col1':'new_col1'})
4. 调用属性和方法
df.index, df.columns, df.values, df.shape, df.mean()
5. 索引对齐特性
这是Pandas中非常强大的特性,在对多个DataFrame 进行合并或者加减乘除操作时,行和列的索引都重叠的时候才能进行相应操作,否则会使用NA值进行填充。
df1 = pd.DataFrame({'A':[1,2,3]},index=[1,2,3])
df2 = pd.DataFrame({'A':[1,2,3]},index=[3,1,2])
df1-df2 #由于索引对齐,因此结果不是0
6. 列的删除
对于删除而言,可以使用drop函数或del或pop。
方法1:直接drop不会影响原DataFrame,设置inplace=True后会直接在原DataFrame中改动;
df.drop(index='五', columns='col1')
方法2:del会直接改变原Dataframe;
df['col1']=[1,2,3,4,5]
del df['col1']
方法3:pop方法直接在原来的DataFrame上操作,且返回被删除的列,与python中的pop函数类。
df['col1']=[1,2,3,4,5]
df.pop('col1')
7. 列的添加
方法1:直接新增;
df1['B'] = list('abc')
方法2:用assign方法,不会改变原DataFrame;
df1.assign(C=pd.Series(list('def')))
方法3:df.assign 效果其实是左连接,之所以会出现NaN的情况,是因为C和df的索引不一致导致。打印一下可以看到,df的索引是1-3,而C默认的是0-4。
C=pd.Series(list('def'))
8. 根据类型选择列
df.select_dtypes(include=['number'])
df.select_dtypes(include=['float'])
Series和DataFrame相互转换
1. DataFrame转换为Series
就是取某一列的操作
s = df.mean()
s.name = 'to_DataFrame'
2. Series转换为DataFrame
使用to_frame() 方法
s.to_frame()
# T符号可以进行转置操作
s.to_frame().T
首先,读取数据
df = pd.read_csv('./data/table.csv')
1. head & tail
用来显示数据头部或者尾部的几行数据,默认是5行。可以指定n参数显示多少行
df.head()
df.tail()
df.head(6)
2. unique & nunique
unique显示所有的唯一值是什么;nunique显示有多少个唯一值。需要注意的是:需要在具体列上操作,本身DataFrame并没有这两个方法
df['Physics'].unique()
df['Physics'].nunique()
3. count & value_counts
count返回非缺失值元素个数;value_counts返回每个元素有多少个值,也是作用在具体某列上
df['Physics'].count()
df['Physics'].value_counts()
4. describe & info
info() 函数返回有哪些列、有多少非缺失值、每列的类型;describe() 默认统计数值型数据的各个统计量,可以自行选择分位数位置。非数值型特征需要单独调用describe方法。
df.info()
df.describe()
# describe()可以自行选择分位数位置
df.describe(percentiles=[.05, .25, .75, .95])
# 非数值型特征需要单独调用describe方法
df['Physics'].describe()
5. idxmax & nlargest
idxmax函数返回最大值对应的索引,在某些情况下特别适用,idxmin功能类似;nlargest函数返回前几个大的元素值,nsmallest功能类似,需要指定具体列
df['Math'].idxmax()
df['Math'].max()
df['Math'].nlargest(2)
6. clip & replace
clip和replace是两类替换函数:
clip是对超过或者低于某些值的数进行截断,numpy.clip(a, a_min, a_max, out=None)
replace是对某些值进行替换
df['Math'].head()
# 低于33的全都显示为33, 高于80的全都显示为80
df['Math'].clip(33,80).head()
df['Math'].mad()
df['Address'].head()
df['Address'].replace(['street_1','street_2'],['one','two']).head()
# 还可以通过字典方式修改
df.replace({'Address':{'street_1':'one','street_2':'two'}}).head(
7. apply
apply和匿名函数 lambda结合使用,可以很方便的进行一些数据处理。对于Series,它可以迭代每一列的值(行)操作;对于DataFrame,它可以迭代每一个列操作。
# 遍历Math列中的所有值,添加!
df['Math'].apply(lambda x:str(x)+'!').head()
# 先是遍历所有列,然后遍历每列的所有的值,添加!
df.apply(lambda x:x.apply(lambda x:str(x)+'!')).head()
1. 索引排序
#set_index函数可以设置索引,将在下一章详细介绍
df.set_index('Math').head()
#可以设置ascending参数,默认为升序,True
df.set_index('Math').sort_index().head()
2. 值排序
df.sort_values(by='Class').head()
df.sort_values(by=['Address','Height']).head()
问题
1. Series和DataFrame有哪些常见属性和方法?
Series
属性方法 | 说明 |
s.values | 访问s的内容 |
s.index | 获取s的索引 |
s.iteritems() | 获取索引和值对 |
s.dtype | 获取s的数据类型 |
s[‘a’] | 根据索引访问元素 |
DataFrame
属性方法 | 说明 |
df.index | 访问行索引 |
df.columns | 访问列索引 |
df.values | 访问数据 |
df.shape | 获取df的数据形状 |
2. value_counts会统计缺失值吗?
答:value_counts不会统计缺失值。
3. 与idxmax和nlargest功能相反的是哪两组函数?
答:idxmin和nsmallest。
4. 在常用函数一节中,由于一些函数的功能比较简单,因此没有列入,现在将它们列在下面,请分别说明它们的用途并尝试使用。
5. df.mean(axis=1)是什么意思?它与df.mean()的结果一样吗?第一问提到的函数也有axis参数吗?怎么使用?
答:df.mean(axis=1)意思是对df按列求均值;axis = 0表示保持列标签不变,对行进行操作;axis = 1表示保持行标签不变,对列进行操作。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~