ToB企服应用市场:ToB评测及商务社交产业平台

标题: 数据分析神器Pandas快速入门1序列（Series）简介 [打印本页]

---

作者: 光之使者    时间: 2024-6-27 10:33
标题: 数据分析神器Pandas快速入门1序列（Series）简介
1序列简介

1.1 Pandas简介

Pandas（https://pandas.pydata.org/ Panel Data and Series ）是一个开源的库，重要是为了方便和直观地处置惩罚关系型或标志型数据。它提供了各种数据结构和操作，用于处置惩罚数字数据和时间序列。它创建在NumPy库之上的。
Pandas是Python数据分析领域的必备库之一，它提供了一系列易于使用的数据结构和数据分析工具，特殊适用于处置惩罚结构化数据，如表格型数据（类似于Excel表格）。
Pandas最初是由Wes McKinney在2008年开发的，当时他在AQR资本管理公司工作。他说服了AQR允许他开放Pandas的源代码。另一位AQR员工Chang She在2012年加入，成为该库的第二个重要贡献者。随着时间的推移，许多版本的pandas已经发布。停止2024年6月26日，Pandas的最新版本是2.2.2，于2024年6月20日发布。
Pandas的重要功能包罗：

• 数据导入和导出：Pandas可以轻松地从各种数据源中导入数据，如CSV文件、Excel文件、SQL数据库等，并可以将数据导出到各种格式中。
  
• 数据清理：Pandas提供了一系列数据清理工具，可以处置惩罚缺失值、重复值、非常值等。
  
• 数据分析：Pandas提供了一系列数据分析工具，可以进行数据统计、分组分析、时间序列分析等。
  
• 数据可视化：Pandas提供了一系列数据可视化工具，可以快速生成各种图表和图形。
  

Pandas的焦点数据结构是：

• Series（序列）：类似于一维数组或列表，是由一组数据以及与之相关的数据标签（索引）构成。
  
• DataFrame（数据帧）：类似于二维表格，由多个Series构成，具有行和列索引。
  

Series和DataFrame都有共同的特征。例如，它们都有索引，我们必要通过研究索引来相识pandas是如何工作的。DataFrame实际上是Series的行或列的聚集，因此我们必须先对Series进行全面研究。

1.2 Pandas的优势

• 处置惩罚和分析数据的速度和服从。
  
• 可以加载来自不同文件对象的数据。
  
• 易于处置惩罚浮点和非浮点数据中的缺失数据（以NaN表示）。
  
• 规模可变性：可以从DataFrame和更高维度的对象中插入和删除列。
  
• 数据集的合并和毗连。
  
• 对数据集进行灵活的重塑和透视
  
• 提供时间序列功能。
  
• 强大的分组功能，用于对数据集进行分割-应用-合并的操作。
  

参考资料

• 软件测试精品书籍文档下载持续更新 https://github.com/china-testing/python-testing-examples 请点赞，谢谢！
  
• 本文涉及的python测试开发库 谢谢点赞！ https://github.com/china-testing/python_cn_resouce
  
• python精品书籍下载 https://github.com/china-testing/python_cn_resouce/blob/main/python_good_books.md
  
• Linux精品书籍下载 https://www.cnblogs.com/testing-/p/17438558.html
  

1.3 Series简介

序列是一维标签数组，能够容纳任何范例的数据（整数、字符串、浮点、python对象等。轴的标签统称为索引。序列只不过是excel表格中的一个行或列。标签不必要是唯一的，但必须是哈希范例。序列同时支持整数和基于标签的索引，并提供了大量的方法来实行索引操作。
序列通过从现有的存储中加载数据集来创建，可以是SQL数据库、CSV文件、Excel文件，也可从列表、字典和标量值中创建。

1. >>> import pandas as pd
2. >>> songs = pd.Series([145, 142, 38, 13], name='counts')
3. >>> songs
4. 0    145
5. 1    142
6. 2     38
7. 3     13
8. Name: counts, dtype: int64

复制代码

当表明器打印序列时，pandas会根据当前终端的大小对其进行格式化。数列是一维的。然而看起来像是二维的。最左边的一列是索引，包含索引的条目。索引不是值的一部分。索引的通用名称是轴，索引的值-0、1、2、3 称为轴标签。数据145、142、38和13也称为序列值。pandas中的二维结构--DataFrame--有两个坐标轴，一个用于行，另一个用于列。
输出中最右边的一列包含数列的值-145、142、38 和 13。在本例中，它们是整数（控制台表示为 dtype: int64，dtype 表示数据范例，int64 表示 64 位整数），但一般来说，数列的值可以是字符串、浮点数、布尔值或恣意 Python 对象。为了获得最佳速度（并充实使用矢量化操作），这些值应具有雷同的范例，但这并不是必须的。

查看序列（或数据帧）的索引：

1. >>> songs.index
2. RangeIndex(start=0, stop=4, step=1)

复制代码

索引的默认值是0开始递增的整数。
索引也可以是基于字符串的，在这种情况下，pandas会指出索引的数据范例是object（而不是字符串）：

1. >>> songs2 = pd.Series ([145, 142, 38, 13], name='counts ', index=['Paul', 'John ', 'George ', 'Ringo '])
2. >>> songs2
3. Paul       145
4. John       142
5. George      38
6. Ringo       13
7. Name: counts , dtype: int64
8. >>> songs2.index
9. Index(['Paul', 'John ', 'George ', 'Ringo '], dtype='object')

复制代码

打印Series时看到的 dtype 是值的范例，而不是索引的范例。尽管这看起来是二维的，但索引并不是值的一部分：当我们检查索引属性时，会发现其 dtype是object。
序列的实际数据（或值）不肯定是数字或同质的。我们可以在序列中插入Python对象：

1. >>> class Foo:
2. ...     pass
3. ...
4. >>> ringo = pd.Series(
5. ...      ['Richard', 'Starkey', 13, Foo()],
6. ...      name='ringo')
7. >>>
8. >>> ringo
9. 0                                    Richard
10. 1                                    Starkey
11. 2                                         13
12. 3    <__main__.Foo object at 0x7f60bbf26590>
13. Name: ringo, dtype: object

复制代码

上例Series 的dtype-datatype是object（指Python对象）
object数据范例也用于具有字符串值的系列。此外object数据范例还用于具有异构或混合范例的值。如果序列中只有数值数据，就不希望将其存储为Python对象，而应该存储为int64或float64，这样就可以进行矢量化数值运算。
如果你有时间数据，而且是对象范例，那么你大概用字符串来表示日期。使用字符串而不是日期范例是不好的，因为不能进行日期操作。
1.3.1 NaN

当pandas确定一个数列包含数值，但找不到一个数字来表示条目时，它将使用 NaN。该值代表"非数字（Not A Number）"，通常在算术运算中被忽略。(类似于 SQL 中的 NULL）。

1. >>> import numpy as np
2. >>> nan_series = pd.Series([2, np.nan], index=['Ono', 'Clapton'])
3. >>> nan_series
4. Ono        2.0
5. Clapton    NaN
6. dtype: float64
7. >>> nan_series.count()
8. 1
9. >>> nan_series.size
10. 2

复制代码

此序列的范例是float64，而不是int64！因为float64支持NaN，而int64不支持。如果从CSV文件加载数据，数值列的空值将变为NaN。稍后，.fillna 和 .dropna 等方法将表明如何处置惩罚 NaN。在本书中，None、NaN、nan、和null是指在pandas数据系列或数据帧中发现的空数据或缺失数据的同义词。
int64范例不支持缺失数据。许多人以为这是pandas的缺陷。从pandas0.24开始，有了对另一种整数范例的可选支持，这种范例可以保存缺失值，如下所示。文档将这种范例称为可归零整数范例。创建序列时，可以输入dtype='Int64'（留意大写）：

1. >>> nan_series2 = pd.Series([2, None],
2. ...    index=['Ono', 'Clapton'],
3. ...    dtype='Int64')
4. >>> nan_series2
5. Ono           2
6. Clapton    <NA>
7. dtype: Int64
8. >>> nan_series.astype('Int64')
9. Ono           2
10. Clapton    <NA>
11. dtype: Int64

复制代码

1.3.2 Series与NumPy array

Series与NumPy array数组类似。两者都有索引操作和一些共同的方法：

1. >>> import numpy as np
2. >>> numpy_ser = np.array([145, 142, 38, 13])
3. >>> songs3[1]
4. 142
5. >>> numpy_ser[1]
6. 142
7. >>> songs3.mean()
8. 84.5
9. >>> numpy_ser.mean()
10. 84.5

复制代码

它们都有布尔数组的概念。布尔数组是与您在处置惩罚的数列具有雷同索引且具有布尔值的数列，它可以用作过滤项的掩码。普通的Python列表不支持此操作，比如将列表插入索引操作中。

1. >>> mask = songs3 > songs3.median()
2. >>> mask
3. Paul        True
4. John        True
5. George     False
6. Ringo      False
7. Name: counts , dtype: bool
8. >>> songs3[mask]
9. Paul     145
10. John     142
11. Name: counts , dtype: int64
12. >>> numpy_ser[numpy_ser > np.median(numpy_ser)]
13. array([145, 142])

复制代码

一旦有了掩码，我们就可以将其用作过滤器。我们只需将掩码传递到索引操作中即可。如果掩码在给定索引中的值为 True，则保留该值。否则，该值将被删除。上面的掩码表示值高于系列中值的位置。
NumPy也有布尔数组过滤功能，但缺少数组的median方法。相反NumPy定名空间中提供了median函数。

1.3.3 分类数据

在加载数据时，可以指出数据是分类的。如果数据仅限于几个值，我们大概希望使用分类数据。分类值有以下几个好处

• 比字符串占用更少内存
  
• 提高性能
  
• 可以排序
  
• 可以对类别实行操作
  
• 对值实行成员资格
  

分类并不局限于字符串；我们还可以将数字或日期时间值转换为分类数据。要创建类别，我们可以在 Series 构造函数中传递 dtype="类别category"。大概，我们也可以在序列上调用.astype("category") 方法。

1. >>> s = pd.Series(['m', 'l', 'xs', 's', 'xl'], dtype='category')
2. >>> s
3. 0     m
4. 1     l
5. 2    xs
6. 3     s
7. 4    xl
8. dtype: category
9. Categories (5, object): ['l', 'm', 's', 'xl', 'xs']
10. >>> s.cat.ordered
11. False

复制代码

如果该系列表示尺码，则会有自然排序，即小号小于中号。默认情况下，类别没有排序。要将非分类系列转换为有序类别，我们可以使用 CategoricalDtype构造函数和得当的参数创建一个范例。然后，我们将此范例传入 .astype 方法：

1. >>> s2 = pd.Series(['m', 'l', 'xs', 's', 'xl'])
2. >>> size_type = pd.api.types.CategoricalDtype(
3. ...     categories=['s','m','l'], ordered=True)
4. >>> s3 = s2.astype(size_type)
5. >>> s3
6. 0      m
7. 1      l
8. 2    NaN
9. 3      s
10. 4    NaN
11. dtype: category
12. Categories (3, object): ['s' < 'm' < 'l']

复制代码

在本例中，我们将类别限定为"s"、"m"和"l"，但数据中的值不在这些类别中。将数据转换为类别范例后，这些额外的值将被替换为 NaN。如果我们有有序的类别，就可以对它们进行比较：

1. >>> s3 > 's'
2. 0     True
3. 1     True
4. 2    False
5. 3    False
6. 4    False
7. dtype: bool

复制代码

前面的示例从现有的非分类数据中创建了一个新的系列。我们也可以为分类数据添加排序信息。我们需确保指定类别的所有成员否则pandas将抛出 ValueError。

1. >>> s.cat.reorder_categories(['xs','s','m','l', 'xl'],
2. ...                          ordered=True)
3. 0     m
4. 1     l
5. 2    xs
6. 3     s
7. 4    xl
8. dtype: category
9. Categories (5, object): ['xs' < 's' < 'm' < 'l' < 'xl']
10. >>> s3.str.upper()
11. 0      M
12. 1      L
13. 2    NaN
14. 3      S
15. 4    NaN
16. dtype: object

复制代码

字符串和日期时间序列有str和dt属性，允许我们实行该范例特有的常用操作。如果我们将这些范例转换为分类范例，仍可使用 str 或 dt 属性：

1.3.3序列小结：

序列是一种一维数据结构。它可以保存数值数据、时间数据、字符串或恣意的Python对象。如果您处置惩罚的是数值数据，使用 pandas而不是Python list会让您受益匪浅。Pandas速度更快，内存消耗更少，而且内置的方法对操作数据非常有用。此外，索引抽象允许通过位置或标签访问值。系列也可以有空值，与NumPy数组有一些相似之处。它是pandas的重要工作工具；把握它将带来丰厚的回报。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4