Python中Pandas庫的用法

這篇文章主要講解了“Python中Pandas庫的用法”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python中Pandas庫的用法”吧！

一、Pandas簡介

1、Python Data Analysis Library 或 pandas 是基于NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。

2、Pandas 是python的一個數據分析包，最初由AQR Capital Management于2008年4月開發，并于2009年底開源出來，目前由專注于Python數據包開發的PyData開發team繼續開發和維護，屬于PyData項目的一部分。Pandas最初被作為金融數據分析工具而開發出來，因此，pandas為時間序列分析提供了很好的支持。 Pandas的名稱來自于面板數據（panel data）和python數據分析（data analysis）。panel data是經濟學中關于多維數據集的一個術語，在Pandas中也提供了panel的數據類型。

3、數據結構：

Series：一維數組，與Numpy中的一維array類似。二者與Python基本的數據結構List也很相近，其區別是：List中的元素可以是不同的數據類型，而Array和Series中則只允許存儲相同的數據類型，這樣可以更有效的使用內存，提高運算效率。

Time- Series：以時間為索引的Series。

DataFrame：二維的表格型數據結構。很多功能與R中的data.frame類似。可以將DataFrame理解為Series的容器。以下的內容主要以DataFrame為主。

Panel ：三維的數組，可以理解為DataFrame的容器。

Pandas 有兩種自己獨有的基本數據結構。讀者應該注意的是，它固然有著兩種數據結構，因為它依然是 Python 的一個庫，所以，Python 中有的數據類型在這里依然適用，也同樣還可以使用類自己定義數據類型。只不過，Pandas 里面又定義了兩種數據類型：Series 和 DataFrame，它們讓數據操作更簡單了。

二、Python Pandas的使用

修改列數據：

df['price']=df['price'].str.replace('人均','') # 刪除多余文字
df['price']=df['price'].str.split("￥").str[-1] # 分割文本串
df['price']=df['price'].str.replace('-','0') # 替換文本
df['price']=df['price'].astype(int) # 文本轉整型

把pandas轉換int型為str型的方法

切分列數據：

df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("環境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服務",'')

注意：pandas中操作如果不明確指定參數，則不會修改原數據，而是返回一個新對象。

刪除列數據：

del df['commentlist']

排序列數據：

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True)

注意：排序前先用astype轉換正確的類型，如str、int或float

重新設置索引列標簽順序：

df.columns=['類型','店鋪名稱','點評數量','星級','人均消費','店鋪地址','口味','環境','服務']

打印前幾行數據：

print(df.loc[:,['店鋪名稱','口味','人均消費']].head(6))
# 或者 # print(df.iloc[0:6,[1,6,4]]) # 前6行（整數）
# 但不能是 # print(df.loc[0:6,['店鋪名稱','口味','人均消費']]) # 從索引0到索引6的行（對象）

http://www.5655pk.com/article/155602.htm

綜合示例：

圖例：

結果：

要求：

（1）對該數據中的comment、price進行數據清洗整理，????????????????????????????????????????????????????????????????????????????????????????????????

（2）將commentlist數據拆分為“口味”、“環境”和“服務”三列后再進行數據清洗整理，????????????????????????????????????????????????????????????????????????????????????????????????

（3）去除commentlist列數據????????????????????????????????????????????????????????????????????????????????????????????????

（4）將此數據按“口味”降序、“人均消費”升序進行排序，????????????????????????????????????????????????????????????????????????????????????????????????

（5）輸出排序后前6條數據中的“店鋪名稱”、“口味”和“人均消費”三列數據。

代碼：

import pandas as pd 
df=pd.read_csv('spdata.csv',encoding='gbk')  #讀入文件，編碼為gbk # 注意編碼，重要

#對數據進行清洗
df['comment']=df['comment'].str.replace('條點評','')
df['price']=df['price'].str.replace('人均','')
df['price']=df['price'].str.split("￥").str[-1]
df['price']=df['price'].str.replace('-','0')
df['price']=df['price'].astype(int)
df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("環境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服務",'')
del df['commentlist']

#按口味降序，人均消費升序進行排序
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) 
#重新設置列索引標簽
df.columns=['類型','店鋪名稱','點評數量','星級','人均消費','店鋪地址','口味','環境','服務']

print(df.loc[:,['店鋪名稱','口味','人均消費']].head(6))

方法二：

import pandas as pd
df=pd.read_csv('spdata.csv',encoding='gbk')

df['comment']=df['comment'].str.replace('條點評','')
df['price']=df['price'].str.replace('人均','').str.replace('￥','').str.replace('-','0').str.replace(' ','').astype(int)
df[['kw','hj','fw']]=df['commentlist'].str.replace('口味','').str.replace('環境','').str.replace('服務','').str.split(expand=True).astype(float) # expand將普通的列表轉為DataFrame對象
del df['commentlist']

df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) # 注意inplace=True
df.columns=['類型','店鋪名稱','點評數量','星級','人均消費','店鋪地址','口味','環境','服務']

print(df[['店鋪名稱','口味','人均消費']].head(6))

注意：df.str.split是列表，加了expand=True之后才是DataFrame對象，或者用.str[x]提取某一列，注意不是df.str.split()[x]而是df.str.split().str[x]，前者是對list（二維）操作，后者是對DataFrame操作（取某一列）

感謝各位的閱讀，以上就是“Python中Pandas庫的用法”的內容了，經過本文的學習后，相信大家對Python中Pandas庫的用法這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！