文章目录

• 🌸前言
• 🌔（一）pandas基础介绍
• • 🍸1.什么是pandas
  • 🍹2.为什么要学习pandas
  • 🍻3.pandas的安装
  • 🥂4.导入pandas库
• 🌖（二）pandas的常用数据类型
• • 🥥1.Series（一维，带标签数组）
  • • 🍇1.1 创建索引
    • 🍈1.2 通过字典创建Series
    • 🍉1.3 Series的切片和索引
    • • 🍊1.3.1 显示某个值
      • 🍍1.3.2 显示多个不连续的值
      • 🍎1.3.3 显示多个连续的值
      • 🍏1.3.4 通过索引查找值
    • 🍐1.4 Series的索引和值属性
    • • 🍑1.4.1 Series的索引（index）
      • 🍒1.4.2 索引遍历
      • 🥕1.4.3 Series的值（values）
  • 🌰2.DataFrame（二维，Series容器）
  • • 💐2.1 创建索引
    • 🌸2.2 通过字典创建DataFrame
    • 🌺2.3 DataFrame的索引和切片
    • • 🌻2.3.1 取前几行
      • 🌼2.3.2 取某列
      • 🌷2.3.3 取多列
    • 🥀2.4 利用DataFrame的loc和iloc方法取值
    • • ☘2.4.1 利用loc获取值
      • • 🌱2.4.1.1 取某行
        • 🌲2.4.1.2 取多行
        • 🌳2.4.1.3 取某列
        • 🌴2.4.1.3 取多列
        • 🌵2.4.1.3 取某行某列
        • 🌾2.4.1.4 取多行多列
      • 🌿2.4.2 利用iloc来获取值
      • • 🍀2.4.2.1 获取行
        • 🍁2.4.2.2 获取列
        • 🍂2.4.2.3 获取某行某列
        • 🍃2.4.2.4 获取多行多列
• 💡结语

🐚作者简介：苏凉（在python路上）
🐳博客主页：苏凉.py的博客
👑名言警句：海阔凭鱼跃，天高任鸟飞。
📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！
👉关注✨点赞👍收藏📂

🌸前言

上期我们学习了numpy的基本使用，我们可以清楚的了解到numpy对于处理数值型数据非常乐观，那么在处理字符串类型的数据时，pandas将是最好的选择！接下来我们就一起进入pandas的学习吧！！
往期回顾：
python数据分析基础001 -matplotlib的基础绘图
python数据分析基础002 -使用matplotlib绘图（散点图，条形图，直方图）
python数据分析基础003 -numpy的使用（详解)
python数据分析基础004 -numpy读取数据以及切片，索引的使用

🌔（一）pandas基础介绍

🍸1.什么是pandas

Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。

🍹2.为什么要学习pandas

numpy能够帮我们处理处理数值型数据，但是这还不够。
很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等
比如:我们通过爬虫获取到了存储在数据库中的数据等等。
因此，numpy能够帮助我们处理数值，但是pandas除了处理数值之外（基于numpy），还能够帮助我们处理其他类型的数据。

🍻3.pandas的安装

pip install pandas -i https://pypi.douban.com/simple

🥂4.导入pandas库

import pandas as pd

🌖（二）pandas的常用数据类型

🥥1.Series（一维，带标签数组）

import pandas as pda = pd.Series([1,5,4,85,87,512])print(a,type(a))

结果：

从上述结果中我们可以看到Series创建的对象带有索引。

🍇1.1 创建索引

pd.Series([],index=list(string))

b = pd.Series([1,5,4,2,45,45,24,5],index=list('abcdefgh'))print(b)

结果：

🍈1.2 通过字典创建Series

通过字典也可以创建Series对象，此时字典的键为索引。

import pandas as pddic = {    'name':'苏凉.py',    'age':'22',    'qq_num':'787991021',}information = pd.Series(dic)print(information)

结果：

🍉1.3 Series的切片和索引

Series对象本质上由两个数组构成,一个数组构成对象的键(index，索引)，一个数组构成对象的值(values)，键->值

🍊1.3.1 显示某个值

import pandas as pddic = {    'name':'苏凉.py',    'age':'22',    'qq_num':'787991021',}information = pd.Series(dic)print(information)print('-'*100)print(information[0])

结果：

🍍1.3.2 显示多个不连续的值

print(information[[0,2,3]])

结果：

🍎1.3.3 显示多个连续的值

print(information[0:3])

结果：

🍏1.3.4 通过索引查找值

print(information[['name','age','wechat']])

结果：

🍐1.4 Series的索引和值属性

对于一个陌生的Series类型，我们可以通过index和values来了解它的索引和值。

🍑1.4.1 Series的索引（index）

print(information.index)

结果：

🍒1.4.2 索引遍历

a = information.indexfor i in a:    print(i)

结果：

🥕1.4.3 Series的值（values）

print(information.values)

结果：

🌰2.DataFrame（二维，Series容器）

import pandas as pdimport numpy as npa = pd.DataFrame(np.arange(1,13).reshape(3,4))print(a)

结果：

这里可以看到用DataFrame创建数组时存在行索引和列索引。
行索引：表明不同行，横向索引，叫index，0轴，axis=0.
列索引：表明不同列，纵向索引，叫columns，1轴，axis=1.

💐2.1 创建索引

pd.DataFrame([]),index=list(),columns=list()

a = pd.DataFrame(np.arange(1,13).reshape(3,4),index=list('123'),columns=list('ABCD'))

结果：

🌸2.2 通过字典创建DataFrame

方法一：

import pandas as pdlist = {    'name':['苏凉.py','佚名'],    'age':['22','15'],    'QQ_num':['787991021','01234567'],    'wechat':['lxzy787991021','ym789456']}person = pd.DataFrame(list)print(person)

结果：

方法二：

import pandas as pdlist2 = [    {'name':'苏凉.py','age':'22','QQ_num':'787991021','wechat':'lxzy787991021'},    {'name':'佚名','QQ_num':'01234567','wechat':'ym789456'}]person = pd.DataFrame(list2)print(person)

结果：

这里可以看到当我们对应的位置没有输入值时结果NaN

🌺2.3 DataFrame的索引和切片

注：在dataframe中进行取行或者取列操作时，[]中为数字则取行，[]中为字符串则取列！！

🌻2.3.1 取前几行

print(person[:2])

结果：

🌼2.3.2 取某列

print(person['name'])

结果：

🌷2.3.3 取多列

print(person[['name','wechat']])

结果：

🥀2.4 利用DataFrame的loc和iloc方法取值

☘2.4.1 利用loc获取值

loc时通过标签索引来获取值

🌱2.4.1.1 取某行

print(person.loc[1,:])

结果：

🌲2.4.1.2 取多行

print(person.loc[[0,1]])

结果：

🌳2.4.1.3 取某列

print(person.loc[:,'name'])

结果：

🌴2.4.1.3 取多列

print(person.loc[:,['name','wechat']])

结果：

🌵2.4.1.3 取某行某列

print(person.loc[0,'wechat'])

结果：

🌾2.4.1.4 取多行多列

print(person.loc[0:1,['name','QQ_num']])

结果：

🌿2.4.2 利用iloc来获取值

iloc是通过位置来获取值
下面列举四个例子即可：

🍀2.4.2.1 获取行

print(person.iloc[0,])

结果：

🍁2.4.2.2 获取列

print(person.iloc[:,2])

结果：

🍂2.4.2.3 获取某行某列

print(person.iloc[0,3])

结果：

🍃2.4.2.4 获取多行多列

print(person.iloc[[0,1],[0,2,3]])

结果：

💡结语

今天的内容到这里就结束啦，觉得写的不错的话给个三连支持一下吧！！文章有不足之处还望指出，一起加油进步啊！希望看到此文的小伙伴都有所收获！关注我，咱们下期再见！！

神片云