Python其实很简单 第十九章 Pandas之Series与DataFrame

19.1安装Anaconda

Anaconda是Python的一个开源发行版本，它预装了丰富的第三方库，而且主要面向科学计算和数据分析，使用起来要比原版的Python更省时省力。

Anaconda官方下载网址为：https://www.continuum.io/downloads。下载和安装的方法很简单，若有问题可以在网上搜索相关内容学习解决。

安装Anaconda之后，就会发现在Anaconda目录下同时安装了Jupyter Notebook、Spyder等工具，我们接下来主要使用Spyder进行开发。关于Spyder的使用方法非常简单，大家也可以去网上搜索学习。

虽然Anaconda已经预装了很多常用的包，但有时我们也需要自己安装一些包。可以在开始菜单中选择“Anaconda Anaconda Prompt”命令，在命令行输入conda install （ 代表包名）即可安装，也可以输入pip install 。

19.2数据分析包Pandas

Pandas是Python的一个数据分析包，Anaconda安装时已经附带安装了Pandas包。

Pandas数据结构有三种：Series（一维数组）、DataFrame（二维数组）和Panel（三维数组），其中最常用的是前两种数据结构。

19.2.1 Series

Series（序列）用于存储一行或一列数据，以及与之相关的索引的集合。

语法格式如下：

Series([数据1，数据2，......], index=[索引1,索引2,......])

例：

from pandas import Series

s=Series(['张三','李四','王五'],index=[1,2,3])

print(s)

输出结果如下：

1 张三

2 李四

3 王五

dtype: object

上面建立序列时指定了索引，若不指定，则默认的索引值从0开始。如下：

s=Series(['张三','李四','王五'])

输出结果为:

0 张三

1 李四

2 王五

dtype: object

索引值也可以为字符串。如下：

from pandas import Series

s=Series(['张三','李四','王五'],index=['A','B','C'])

print(s)

输出结果为：

A 张三

B 李四

C 王五

dtype: object

1、访问序列

（1）可以通过索引访问序列，如：

from pandas import Series

s=Series(['张三','李四','王五'])

print(s)

print(s[0])

print(s[1:])

运行结果如下：

0 张三

1 李四

2 王五

dtype: object #print(s)输出

张三 #print(s[0])输出

1 李四

2 王五

dtype: object #print(s[1:])输出

（2）通过值获取索引值

from pandas import Series

s=Series(['张三','李四','王五'],index=['A','B','C'])

print(s.index[s.values=='李四'])

运行结果：

Index(['B'], dtype='object')

（3）判断值是否存在

from pandas import Series

s=Series(['张三','李四','王五'],index=['A','B','C'])

f='李四' in s.values

print(f)

运行结果：

True

（4）定位获取

from pandas import Series

s=Series(['张三','李四','王五','孙六'],index=['A','B','C','D'])

print(s[[0,2,1]])

运行结果：

A 张三

C 王五

B 李四

dtype: object

2、修改序列

（1）追加序列，如：

from pandas import Series

s=Series(['张三','李四','王五'],index=['A','B','C'])

s1=Series(['孙六'],index=['D'])

s=s.append(s1)

print(s)

运行结果：

A 张三

B 李四

C 王五

D 孙六

dtype: object

（2）修改序列的值

from pandas import Series

s=Series(['张三','李四','王五','孙六'],index=['A','B','C','D'])

s[1]='李飞'

print(s)

运行结果：

A 张三

B 李飞

C 王五

D 孙六

dtype: object

不知道索引，仅知道要修改的值，也可通过值查找到索引后，再修改序列的值。如：

s[s.index[s.values=='李四']]='李飞'

这样也可以将“李四”修改为“李飞。

（3）修改索引

from pandas import Series

s=Series(['张三','李四','王五','孙六'],index=['A','B','C','D'])

s.index=[0,1,2,3]

print(s)

运行结果：

0 张三

1 李四

2 王五

3 孙六

dtype: object

（4）删除元素

from pandas import Series

s=Series(['张三','李四','王五','孙六'],index=['A','B','C','D'])

s=s.drop('A')

print(s)

运行结果：

B 李四

C 王五

D 孙六

dtype: object

（5）重新排序

可以按照索引排序，使用sort_index(ascending=True)方法对index进行排序 *** 作。

from pandas import Series

s=Series(['张三','李四','王五','孙六'],index=['A','B','C','D'])

s=s.sort_index(ascending=False) # ascending=False表示按降序排列

print(s)

运行结果：

D 孙六

C 王五

B 李四

A 张三

dtype: object

（6）重置索引

重置索引可以使用reindex()。如果index列表中的元素多于序列的值，可用fill_value=0这样的语句填充。

s=s.reindex(['D','C','B','A'])

如果index列表中的元素多于序列的值，可用fill_value=0这样的语句填充。

s=s.reindex(['D','C','B','A'], fill_value=0)

19.2.2 DataFrame

DataFrame（数据框架）用于存储多行和多列的数据集合。它是Series的容器，类似于Excel中二维表格。

定义一个DataFrame的语法格式如下：

df=DataFrame({列名1 : 序列1，列名2 : 序列2，.......列名n : 序列n}, index=序列 )

例如，有如下二维表：

姓名

性别

年龄

张三

男

18

李四

女

19

王五

男

17

保存到DataFrame中可以用如下方法：

from pandas import Series

from pandas import DataFrame

name=Series(['张三','李四','王五'])

sex=Series(['男','女','男'])

age=Series([18,19,17])

df=DataFrame({'姓名':name,'性别':sex,'年龄':age})

print(df)

运行结果：

姓名 性别 年龄

0 张三 男 18

1 李四 女 19

2 王五 男 17

从上例可以看出，虽然我们省缺了索引，但系统自动添加了从0开始的索引值。

19.3 DataFrame的基本 *** 作

1、访问方式

（1）获取行

print(df[1:2]) # 获取第1行的值

输出结果：

姓名 性别 年龄

1 李四 女 19

print(df[1:3]) #获取第1行到第2行的值

输出结果：

姓名 性别 年龄

1 李四 女 19

2 王五 男 17

（2）获取列

print(df['姓名']) #获取“姓名”列的值

输出结果：

0 张三

1 李四

2 王五

Name: 姓名, dtype: object

另一种方法：

print(df[df.columns[0:1]]) #先按照索引号获取列名，再按照列名读取

输出结果和上面的方法完全一致。

还有一种情况，是获取唯一值，即将列内的重复值中多余的删除，仅留下互不相同的值。所用的到方法是unique()。

sex1=Series(df['性别'].unique())

print(sex1)

输出结果：

0 男

1 女

dtype: object

（3）获取指定位置的值

print(df.at[1,'姓名']) # 格式为变量名.at[行号，列名]

输出结果：

李四

（4）获取块的值

print(df.iloc[0:2,1:3]) # 格式为变量名.iloc[行号1:行号2, 列号1:列号2]

输出结果：

性别 年龄

0 男 18

1 女 19

print(df.iloc[:,1:2]) #获取“性别”列的值

运行结果：

性别

0 男

1 女

2 男

2、修改、删除、增加行和列

（1）修改列名

print(df.columns)

df.columns=['name','sex','age']

print(df.columns)

输出结果：

Index(['姓名', '性别', '年龄'], dtype='object')

Index(['name', 'sex', 'age'], dtype='object')

可见，列名已经由“姓名、性别、年龄”修改为“age、sex、age”了。但这种修改必须把全部列名都一一列举，不能有遗漏，否则就会出错。如：

df.columns=['name','sex']

此时会报错：ValueError: Length mismatch: Expected axis has 3 elements, new values have 2 elements。

（2）修改行索引

df.index=[1,2,3]

（3）删除行

df.drop(1,axis=0) # axis=0表示行轴，也可以省略

（4）删除列

df.drop(‘性别’,axis=1) # axis=0表示列轴

也可以使用另一种方法：

del df['性别']

（5）增加列

df['电话']=['1111111','2222222','3333333']

print(df)

运行结果：

姓名 性别 年龄 电话

0 张三 男 18 1111111

1 李四 女 19 2222222

2 王五 男 17 3333333

（6）增加行

df.loc[len(df)]=['孙六','男','20']

（7）追加

from pandas import Series

from pandas import DataFrame

name=Series(['张三','李四','王五'])

sex=Series(['男','女','男'])

age=Series([18,19,17])

df=DataFrame({'姓名':name,'性别':sex,'年龄':age}) # 建立DataFrame，变量名为df

name1=Series(['孙六','候七'])

sex1=Series(['男','女'])

age1=Series([19,17])

df1=DataFrame({'姓名':name1,'性别':sex1,'年龄':age1})

# 建立DataFrame，变量名为df1

df=df.append(df1,ignore_index=True)

# 将对df1追加到df后面，参数ignore_index=True表示重新索引

print(df)

运行结果：

姓名 性别 年龄

0 张三 男 18

1 李四 女 19

2 王五 男 17

3 孙六 男 19

4 候七 女 17

各种数据库有相应的软件包，SQL Server有pyodbc，Oracle有cx_Oracle，MySQL有MySQLdb，各种包有相应的调用方法。

需要根据需求选择合适的数据库类型，然后选择访问数据库的包进一步细化后续的工作。

---