pandas使用

简介

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

数据结构

Series一维数组

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
Time- Series：以时间为索引的Series。

DataFrame二维的表格型数据结构

DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器

Panel三维的数组

Panel ：三维的数组，可以理解为DataFrame的容器。

使用

安装

pip install pandas

导入

series模块

from pandas import Series

别名

import pandas as pd

案例

series模块

from pandas import Series

data = Series([1,2,3,4])
print(data)

输出

0    1
1    2
2    3
3    4
dtype: int64

index

print(data.index)

RangeIndex(start=0, stop=4, step=1)

values

print(data.values)

[1 2 3 4]

DataFrame

from pandas import DataFrame
data = DataFrame({"name": ['google', 'baidu', 'yahoo'], "tag": [1, 2, 3]})

print(data)

输出

     name  tag
0  google    1
1   baidu    2
2   yahoo    3

排序

from pandas import DataFrame
data = DataFrame({"name": ['google', 'baidu', 'yahoo'], "tag": [1, 2, 3]},columns=['tag','name'])

print(data)

输出

   tag    name
0    1  google
1    2   baidu
2    3   yahoo

自定义索引index

from pandas import DataFrame
data = DataFrame({"name": ['google', 'baidu', 'yahoo'], "tag": [1, 2, 3]},index=['a','b','c'])

print(data)

输出

     name  tag
a  google    1
b   baidu    2
c   yahoo    3

字典套字典

from pandas import DataFrame
data = DataFrame({'human':{'first':'man','second':'woman'},'age':{'first':1,'second':2}})

print(data)

输出

        age  human
first     1    man
second    2  woman

其他

python 读取csv文件

import pandas as pd

csv = pd.read_csv("sqllab_Hui Ping Mai Dian _20181106T084828.csv",header=None)
print(csv.header())
print(csv.tail())

转为json

csv.to_json(orient='records')