Pandas 学习（数学建模篇）_pandas建模

今天学习数学建模2023年C篇（228）优秀论文

2023高教社杯全国大学生数学建模竞赛C题论文展示（C228） - 2023C题论文 - 中国大学生在线

一.pd.DataFrame

pd.DataFrame() 是 pandas 库中用于创建二维表格数据结构（DataFrame）的核心函数。它的作用是将各种格式的数据（如字典、列表、Series 等）转换为带有行索引和列标签的表格形式，便于数据处理和分析.

import pandas as pddata={\'单品编码\': [\'001\', \'002\', \'003\'], \'分类名称\': [\'水果\', \'蔬菜\', \'水果\'], \'价格\': [5.0, 3.0, 8.0]}#解读：{}为字典，{A:B}为字典里面的健值对。[a,b,c]为列表print(pd.DataFrame(data))

输出：

 单品编码 分类名称 价格0 001 水果 5.01 002 蔬菜 3.02 003 水果 8.0

二，mapping_dict =df_1.set_index(\'单品编码\')[\'分类名称\'].to_dict()代码解读

（一）df_1.set_index(\'单品编码\') 这一步会把 DataFrame df_1 的索引设置为单品编码列，返回一个新的 DataFrame。

• 示例：假设原 DataFrame 是：

   单品编码 分类名称 价格0 001 水果 5.01 002 蔬菜 3.02 003 水果 8.0

     执行后，变成：

 分类名称 价格单品编码 001 水果 5.0002 蔬菜 3.0003 水果 8.0

（二）[\'分类名称\']

         这一步会从上面的 DataFrame 中选取分类名称列，返回一个 Series，其中单品编码是索引，分类名称是值。

单品编码001 水果002 蔬菜003 水果Name: 分类名称, dtype: object

（3）to_dict()

这一步会把 Series 转换为字典，其中索引（单品编码）会成为字典的键，值（分类名称）会成为字典的对应值

{\'001\': \'水果\', \'002\': \'蔬菜\', \'003\': \'水果\'}

三，关于series的知识点

Series 是 pandas 库中一种一维带标签的数据结构，类似于带索引的数组或列表。它可以存储任何数据类型（整数、字符串、浮点数、Python 对象等），并且每个元素都有一个对应的标签（索引）。理解 Series 是掌握 pandas 的基础，因为它是 DataFrame（二维表格）的基本组成单元。

创建方式：

import pandas as pd# 从列表创建，默认索引为 0, 1, 2...s = pd.Series([10, 20, 30, 40])print(s)# 输出:# 0 10# 1 20# 2 30# 3 40# dtype: int64# 指定自定义索引s = pd.Series([10, 20, 30, 40], index=[\'a\', \'b\', \'c\', \'d\'])print(s)# 输出:# a 10# b 20# c 30# d 40# dtype: int64

理解Series与DataFrame的关系：

• DataFrame 是由多个 Series 组成的二维表格，每一列都是一个 Series。
• Series 的索引对应 DataFrame 的行索引，Series 的名称（name 属性）对应 DataFrame 的列名。
• 代码示例：

  # 用两个 Series 创建 DataFrames1 = pd.Series([1, 2, 3], index=[\'a\', \'b\', \'c\'], name=\'A\')s2 = pd.Series([4, 5, 6], index=[\'a\', \'b\', \'c\'], name=\'B\')df = pd.DataFrame({\'列1\': s1, \'列2\': s2})print(df)# 输出:# 列1 列2# a 1 4# b 2 5# c 3 6

  三，grouped = df.groupby(\'单品编码\')的解析

  groupby作用是根据 df 这个 DataFrame 中 ‘单品编码’ 这一列的值，将 df 中的行进行分组。它创建了一个特殊的 Pandas 对象，称为“GroupBy 对象”（grouped），这个对象内部包含了按 ‘单品编码’ 分组后的各个数据子集。

  不是直接获取列，而是基于列的值进行分组
  示例：当我们获得这样的数据后：

  日期单品编码销售量2023-01-01A001102023-01-15A00252023-02-01A00182023-02-10A003122023-03-05A00272023-03-20A00115

   grouped = df.groupby(\'单品编码\') for name, group in grouped: print(f\"分组键: {name}\") print(group) print(\"-\" * 20) 

  输出为：

   分组键: A001 日期 单品编码 销售量 0 2023-01-01 A001 10 2 2023-02-01 A001 8 5 2023-03-20 A001 15 -------------------- 分组键: A002 日期 单品编码 销售量 1 2023-01-15 A002 5 4 2023-03-05 A002 7 -------------------- 分组键: A003 日期 单品编码 销售量 3 2023-02-10 A003 12 -------------------- 

  四，字典的创建

• 创建一个空字典：

•  results = {} 

  添加字典

•  results[key] = value 

  这将为字典 results 添加一个键为 key、值为 value 的键值对。如果 key 已经存在，则更新其对应的值。

• 访问值

   value = results[key] 

  这将获取键 key 对应的值。如果 key 不存在，将引发 KeyError。

• 就学到这，内容比较基础，谢谢观看