第二章 数据分析（Pandas）

Pandas 库是基于 NumPy 的工具，该工具是为了完成数据分析任务而创建的。

一、下载 pandas 库

下载方法：在PyCharm的最下方“终端中”输入：
pip install pandas -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
另外，若要导入 .xlsx 文件，则需要另外导入两个包：xlrd 和 openpyxl。

二、Series 对象

Series 类似于一维数组对象，由一组数据和另一组与之相关联的索引组成。

1. Series 对象的创建

可以通过数组和字典来构造 Series 对象。
在矩阵中可以指定 index 。

点击显/隐 Series 对象的创建代码

>>> import numpy as np
>>> import pandas as pd
>>> pd.Series(np.array([1,3]))    # 通过数组来构造 Series 对象
0    1
1    3
dtype: int32
>>> pd.Series(np.array([1,3]),index=['a','b'])    # 指定 index 的值
a    1
b    3
dtype: int32
>>> pd.Series({'a':1},index=['a','b'])    # 通过字典来构造 Series 对象
a    1.0
b    NaN
dtype: float64

2. Series 对象的访问

可以分别访问 index 数组和 values数组。
另外，若要访问指定数组的值，可以通过主数组的下标来访问，也可以采用通过 Series 对象的 index 标签来访问。
另外，若要访问多个元素，方法与获取一个元素类似，但也稍有不同。

点击显/隐 Series 对象的访问的代码

>>> x
a    1
b    3
dtype: int32
>>> x.index    # 访问 index 数组
Index(['a', 'b'], dtype='object')
>>> x.values    # 访问 values 数组
array([1, 3])
>>> x[1]    # 通过主数组的下标访问单个元素
3
>>> x['b']    # 通过 index 标签访问单个元素
3
>>> x[0:2]    # 通过主数组的下标访问多个元素
a    1
b    3
dtype: int32
>>> x[['a','b']]    # # 通过 index 标签访问多个元素
a    1
b    3
dtype: int32

3. Series 对象的增删改操作

增加（或修改）操作都是直接对想要增加（或修改）的元素进行赋值。
在删除操作中，del x['a'] 可直接删除索引为 a 的元素；x.pop('a') 会返回删除的值的内容；`x.drop(‘a’)`` 返回一个没有索引为a的元素的数组，即返回一个删除操作后的数组，x 对象其值并没有改变。

点击显/隐 Series 对象的增删改操作

>>> x    # 初始矩阵
a    1
b    3
dtype: int32
>>> x['c']=4    # Series 对象的增加操作
>>> x
a    1
b    3
c    4
dtype: int64
>>> x['c']=5    # Series 对象的修改操作
>>> x
a    1
b    3
c    5
dtype: int64
>>> del x['c']    # Series 对象的删除操作，直接进行删除
>>> x.pop('b')    # Series 对象的删除操作，会返回删除的值的内容
3
>>> x
a    1
dtype: int64

三、DataFrame 对象

Series 类似于二维数组对象

1. DataFrame 对象的创建

可以通过矩阵和字典来构造 DataFrame 对象
在矩阵中可以指定 index 和 columns，在字典中可以指定 index（columns 为字典的 key）

点击显/隐 DataFrame 对象的创建的代码

>>> pd.DataFrame(np.array([1,2,3,4]).reshape(2,2),index=['a','b'],columns=["A","B"])    # 通过矩阵来构造 DataFrame 对象，指定了 index 和 columns
   A  B
a  1  2
b  3  4
>>> pd.DataFrame({'A':[1,3],'B':[2,4]})    # 通过字典来构造 DataFrame 对象
   A  B
0  1  2
1  3  4

2. DataFrame 对象的访问

可以分别访问 index 数组、columns 数组和 values数组。
另外，若要访问指定数组的值，可以通过主数组的下标来访问，也可以采用通过 Data Frame 对象的 columns, index 标签来访问。
另外，若要访问多个元素，方法与获取一个元素类似，但也稍有不同。

点击显/隐 Series 对象的访问的代码

>>> y
   A  B
a  1  2
b  3  4
>>> y.index    # 访问 index 数组
Index(['a', 'b'], dtype='object')
>>> y.columns    # 访问 columns 数组
Index(['A', 'B'], dtype='object')
>>> y.values    # 访问 values 数组
array([[1, 2],
       [3, 4]])
>>> y['A']['a']    # 通过 columns, index 标签访问单个元素
1

3. DataFrame 对象的增删改操作

增加（或修改）操作都是直接对想要增加（或修改）的元素进行赋值。
在删除操作中，del x['a'] 可直接删除索引为 a 的元素；x.pop('a') 会返回删除的值的内容；`x.drop(‘a’)`` 返回一个没有索引为a的元素的数组，即返回一个删除操作后的数组，x 对象其值并没有改变。

点击显/隐 DataFrame 对象的增删改操作的代码

>>> y
   A  B
a  1  2
b  3  4
>>> y['C']=[3,6]    # DataFrame 对象的增加操作
>>> y
   A  B  C
a  1  2  3
b  3  4  6
>>> y['C']=[4,8]    # DataFrame 对象的修改操作
>>> y
   A  B  C
a  1  2  4
b  3  4  8
>>> del y['C']    # DataFrame 对象的删除操作，直接删除
>>> y.pop('B')    # DataFrame 对象的删除操作，返回被删除的值
a    2
b    4
Name: B, dtype: int32

四、NumPy 的基本运用

1. 数据统计

1) 最值与求和

若需要求每列最大值和最小值，使用函数 idxmax() 和 idxmin() 即可，axis=1 参数 可以改变为按行获值。；
若需要按列求和，使用函数 sum()、若需要累计按列求和，使用函数 cumsum()，axis=1 参数 可以改变为按行获值。

点击显/隐数据统计 · 最值与求和的代码

>>> y    # 初始化 y 值
   A  B
a  1  2
b  3  4
c  5  6
>>> y.idxmax()    # 获取最值 · 最大值，默认按列获值，最值 · 最小值同理
A    c
B    c
dtype: object
>>> y.idxmax(axis=1)    # axis=1 参数观察结果可以看到是按行获值，最值 · 最小值同理
a    B
b    B
c    B
dtype: object
>>> y.sum()    # 按列获值，每列的和，axis=1 参数亦适用
A     9
B    12
dtype: int64
>>> y.cumsum()    # # 按列获值，每列的累计和，axis=1 参数亦适用
   A   B
a  1   2
b  4   6
c  9  12

2) 去重

去重主要有两个函数：unique() 和 value_counts()。
unique() 函数的作用是去除重复的元素，若参数为 Series 对象，则返回一个 NumPy 数组。
value_counts() 函数的作用是返回一个 Series 对象，其中 index 为原 Series 对象中不重复的元素， values 为不重复的元素出现的次数。

五、导入与导出数据

>>> from pandas import *
>>> read_csv(r'c:\data.csv')
>>> read_table(r'c:\data.txt')
>>> read_excel(r'c:\data.xlsx')
>>> read_csv(r'c:\data.csv',sep=',',nrows=2,encoding='utf-8')    # 两行
>>> read_excel(r'c:/data.xlsx',sheet_name=0)
>>> read_excel(r'c:/data.xlsx',sheet_name='data')
>>> read_excel(r'c:/data.xlsx', usecols=[0,2])
shuju4 = pd.read_excel(r'E:\2022Python\数据源.xlsx', sheet_name=0, index_col=None, header=0)  # 行索引默认None，列索引默认0。即行索引为自动生成的从0开始的索引，列索引为第0行数据。
print('\nshuju4:\n',shuju4)
shuju5 = pd.read_excel(r'E:\2022Python\数据源.xlsx', sheet_name=0, index_col=None, header=None)  # 行、列索引均为自动生成的从0开始的索引。
print('\nshuju5:\n',shuju5)

>>> to_csv()