Pandas in 10 Minuten

Einführung

Dieser Artikel ist eine Kopie und Erklärung des offiziellen Pandas-Tutorials "10 Minuten für Pandas".

Ich verweise auf die folgende URL https://pandas.pydata.org/pandas-docs/stable/getting_started/10min.html

Umgebung

Python3.7
Jupyter Lab

Vorerst importieren

import numpy as np
import pandas as pd
np
pd

OK, wenn jedes Modul wie folgt angezeigt wird スクリーンショット 2020-01-25 11.51.03.png

Wenn ein Fehler auftritt

** ModuleNotFoundError: Kein Modul mit dem Namen 'Pandas' ** Wenn Sie wütend werden, setzen Sie Pandas an die erste Stelle.


---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
<ipython-input-1-59ab05e21164> in <module>
      1 import numpy as np
----> 2 import pandas as pd

ModuleNotFoundError: No module named 'pandas'

Befehl python -m pip install pandas

1. Objekt erstellen

Sie können Daten einfach erstellen, indem Sie eine Liste in die Klasse Series einfügen. ..


#Einfach auszurichten
s = pd.Series(data=[1, 3, 5, np.nan, 6, 8])
s

Mit date_range () können Sie eine Zeile mit einem Datum für einen bestimmten Zeitraum erstellen.


#Daten für 6 Tage ab dem 1. Januar 2020
dates = pd.date_range("20200101", periods=6)
dates

[DataFrame] von Pandas (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.html#pandas-dataframe) Durch Angabe des Argumentindex der Klasse ** ** der Zeile Sie können den Index angeben.

#Geben Sie die Daten vom 1. Januar 2020 für den Zeilenindex an
#Geben Sie für jeden Wert eine Zufallszahl ein
df = pd.DataFrame(np.random.randn(6, 4), index=dates)
df

Auch von der DataFrame-Klasse Sie können die Spaltennamen festlegen, indem Sie die ** Argumentspalten ** angeben.

#Stellen Sie den Spaltennamen ABCD ein
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))
df

Durch Übergeben von Wörterbuchtypdaten an die DataFrame-Klasse wird der Schlüsselteil des Wörterbuchtyps zum Spaltennamen.

df2 = pd.DataFrame(
    {
        "A": 1.,
        "B": pd.Timestamp("20200101"),
        "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",
    }
)
df2

Sie können die Datenattribute jeder Spalte unter Bezugnahme auf das Attribut ** dtypes ** anzeigen.

df2.dtypes

Wenn Sie Jupyter Nootbook, Jupyter Lab usw. verwenden, werden die Spaltennamen in Tab-Vervollständigung angezeigt.

db2.<TAB>

2. Daten anzeigen

Daten mithilfe der [head () -Methode] der DataFrame-Klasse (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.head.html#pandas.DataFrame.head) Sie können den Anfang anzeigen.

df.head(2)

In ähnlicher Weise können Sie mit tail () der DataFrame-Klasse Sie können den Schwanz anzeigen.

df.tail(2)

Unter Bezugnahme auf ** index ** der DataFrame-Klasse Sie können den Zeilenindex dieser Daten anzeigen.

df.index
df2.index

Daten mithilfe der DataFrame-Klasse to_numpy () Kann in Daten konvertiert werden, die mit numpy einfach zu bedienen sind.

df.to_numpy()
df2.to_numpy()

Verwenden Sie die DataFrame-Klasse Referenz: DataFrame.describe (). Sie können eine schnelle Statistik für jede Datenspalte erhalten.

df2.describe()

Wenn Sie auf das [T-Attribut] der DataFrame-Klasse verweisen (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.T.html#pandas-dataframe-t), werden die Daten durch die Matrix ausgetauscht Sie können darauf zugreifen.

df.T

In der DataFrame-Klasse transpose () wird dieselbe Matrix ersetzt. Kann erhalten werden.

df.transpose()

Mithilfe der DataFrame-Klasse sort_index () , Sie können die gesamte Zeile oder Spalte sortieren.

df.sort_index()

** Setzen Sie die Argumentachse ** auf 0 oder "Index" zum Sortieren nach Zeilen, setzen Sie 1 oder "Spalten" zum Sortieren nach Achse (Standardwert 0). Wenn im ** Argument aufsteigend ** False angegeben ist, erfolgt die Reihenfolge in absteigender Reihenfolge (Standardwert True).


df.sort_index(axis=0, ascending=False)
df.sort_index(axis=1, ascending=False)

Mit der DataFrame-Klasse sort_values () (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sort_values.html#pandas-dataframe-sort-values) Sie können nach Zeilen oder Spalten sortieren.

df.sort_values(by="B")
df.sort_values(by="2020-01-01", axis=1)

(Hinzugefügt am 2020-03-07)

3. Daten auswählen

Einfache Datenerfassung

Sie können die angegebene Zeile erhalten, indem Sie ** df ["A"] ** oder ** df.A ** einstellen.

df["A"]
df.A

Wenn in der Liste ** [] ** angegeben, können Sie Spalten und Zeilen mit Python-Slice-Operationen auswählen.

#Die ersten 4 Spalten werden angezeigt
df[0:3]

Sie können auch den Reindex-Bereich erhalten.


#Wird vom 2. Januar 2020 bis 4. Januar 2020 angezeigt
df['20200102':'20200104']

Daten durch Angabe eines Labels auswählen

Index (in diesem Fall Daten) zu loc () der DataFrame-Klasse Sie können eine Zeile als Spalte auswählen, indem Sie angeben).


df.loc[dates]
df.loc[dates[0]]

Wählen Sie mit [loc ()] mehrere Spalten aus (https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html#pandas-dataframe-loc). tun können.


df.loc[:, ["A", "B"]]

Es scheint, dass ein Fehler auftritt, wenn kein führender Doppelpunkt vorhanden ist.

loc () Mehrere Zeilen und Vielfache durch Kombinieren von Slice-Operationen Sie können Spalten auswählen.

df.loc['20200102':'20200104', ['A', 'B']]

Einzelne Daten durch Angabe eines Index in loc () Kann bekommen

df.loc[dates[0], 'A']

Mit at () können Sie einzelne Daten schneller abrufen.

df.at[dates[0], 'A']

Daten nach Position auswählen

Wählen Sie Daten aus, indem Sie einen numerischen Wert angeben, indem Sie iloc () der DataFrame-Klasse verwenden. Sie können.

df.iloc[3]
df.iloc[3:5, 0:2]
df.iloc[[1, 2, 4], [0, 2]]

Slice (:), wobei die Start- und Endposition im Argument von iloc () der DataFrame-Klasse weggelassen wurde. Sie können eine bestimmte alle Zeilen oder alle Spalten erhalten, indem Sie (nur) angeben

df.iloc[1:3, :]
df.iloc[:, 1:3]

Einzelne Daten durch Angabe nur eines numerischen Werts als Argument in iloc () der DataFrame-Klasse Du kannst wählen

df.iloc[1, 1]

Wie at (), [iat ()](https: //pandas.pydata) .org / pandas-docs / stabile / referenz / api / pandas.DataFrame.iat.html) Mit können Sie einzelne Daten schneller abrufen