认识 DataFrame

使用 pandas 进行数据处理

Richie Cotton

Data Evangelist at DataCamp

pandas 的意义是什么？

课程大纲

第 1 章：DataFrame
- 排序与子集
- 创建新列
第 2 章：数据聚合
- 汇总统计
- 计数
- 分组汇总统计

第 3 章：切片与索引
- 用切片取子集
- 索引与按索引取子集
第 4 章：创建与可视化数据
- 作图
- 处理缺失值
- 读取数据到 DataFrame

pandas 构建于 NumPy 和 Matplotlib 之上

一个三角形叠在两个矩形上。三角形代表 pandas，矩形代表 NumPy 和 matplotlib。

pandas 很受欢迎

熊猫表情符号重复数百次，代表众多 pandas 用户。

¹ https://pypistats.org/packages/pandas

矩形数据

名称	品种	颜色	身高（cm）	体重（kg）	出生日期
Bella	拉布拉多	棕色	56	25	2013-07-01
Charlie	贵宾犬	黑色	43	23	2016-09-16
Lucy	松狮	棕色	46	22	2014-08-25
Cooper	雪纳瑞	灰色	49	17	2011-12-11
Max	拉布拉多	黑色	59	29	2017-01-20
Stella	吉娃娃	米色	18	2	2015-04-20
Bernie	圣伯纳	白色	77	74	2018-02-27

pandas 的 DataFrame

print(dogs)

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20
5   Stella    Chihuahua    Tan         18          2    2015-04-20
6   Bernie  St. Bernard  White         77         74    2018-02-27

探索 DataFrame：.head()

print(dogs.head())

      name        breed  color  height_cm  weight_kg date_of_birth
0    Bella     Labrador  Brown         56         24    2013-07-01
1  Charlie       Poodle  Black         43         24    2016-09-16
2     Lucy    Chow Chow  Brown         46         24    2014-08-25
3   Cooper    Schnauzer   Gray         49         17    2011-12-11
4      Max     Labrador  Black         59         29    2017-01-20

探索 DataFrame：.info()

print(dogs.info())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 6 columns):
 #   Column         Non-Null Count  Dtype 
 --  ------         --------------  ----- 
 0   name           7 non-null      object
 1   breed          7 non-null      object
 2   color          7 non-null      object
 3   height_cm      7 non-null      int64 
 4   weight_kg      7 non-null      int64 
 5   date_of_birth  7 non-null      object
dtypes: int64(2), object(4)
memory usage: 464.0+ bytes

探索 DataFrame：.shape

print(dogs.shape)

(7, 6)

探索 DataFrame：.describe()

print(dogs.describe())

       height_cm  weight_kg
count   7.000000   7.000000
mean   49.714286  27.428571
std    17.960274  22.292429
min    18.000000   2.000000
25%    44.500000  19.500000
50%    49.000000  23.000000
75%    57.500000  27.000000
max    77.000000  74.000000

DataFrame 组成：.to_numpy()

print(dogs.to_numpy())

array([['Bella', 'Labrador', 'Brown', 56, 24, '2013-07-01'],
       ['Charlie', 'Poodle', 'Black', 43, 24, '2016-09-16'],
       ['Lucy', 'Chow Chow', 'Brown', 46, 24, '2014-08-25'],
       ['Cooper', 'Schnauzer', 'Gray', 49, 17, '2011-12-11'],
       ['Max', 'Labrador', 'Black', 59, 29, '2017-01-20'],
       ['Stella', 'Chihuahua', 'Tan', 18, 2, '2015-04-20'],
       ['Bernie', 'St. Bernard', 'White', 77, 74, '2018-02-27']],
      dtype=object)

DataFrame 组成：.columns 与 .index

print(dogs.columns)

Index(['name', 'breed', 'color', 'height_cm', 'weight_kg', 'date_of_birth'],
dtype='object')

dogs.index

RangeIndex(start=0, stop=7, step=1)

pandas 的哲学

应该有一种——最好只有一种——显而易见的做法。

- Tim Peters《Python 之禅》，第 13 条

一把绿色的瑞士军刀

¹ https://www.python.org/dev/peps/pep-0020/

开始练习吧！

使用 pandas 进行数据处理