概要：提取資料的基本特徵

單元7：pandas庫入門

Pandas是Python第三方庫，提供高效能易用資料型別和分析工具，Pandas基於NumPy實現，常與NumPy和Matplotlib一同使用。

常用引用方法：

import pandas as pd

7.1對pandas庫的理解

與numpy的區別

該庫基於numpy提供了兩個新的資料型別：Series, DataFrame

基於上述資料型別有各類操作：基本操作、運算操作、特徵類操作、關聯類操作

7.2 Series型別（一維）

Series型別由一組資料及與之相關的資料索引組成

例項1：

例項2：

Series型別可以由如下型別建立：
• Python列表，index與列表元素個數一致
• 標量值，index表達Series型別的尺寸
• Python字典，鍵值對中的“鍵”是索引，index從字典中進行選擇操作
• ndarray，索引和資料都可以通過ndarray型別建立
• 其他函式，range()函式等

例項：

如何理解該型別

Series是一維帶“標籤”陣列(Series型別包括index和values兩部分)

index_0 —–> data_a**（索引 與 值 一一對應）**

Series基本操作類似ndarray和字典

，根據索引對齊進行運算（而不是像numpy一般基於維度進行運算）

Series型別的基本操作

1. 使用 .index 獲取索引，使用 .value 獲取資料
   

2.自動索引 與 自定義索引並存（但不能混合使用）

3.Series型別的操作類似ndarray型別：

• 索引方法相同，採用[]

• NumPy中運算和操作可用於Series型別（運算和操作結果仍然是Series型別）

• 可以通過自定義索引的列表進行切片（切片後的結果仍然是Series型別）

• 可以通過自動索引進行切片，如果存在自定義索引，則一同被切片（切片後的結果仍然是Series型別）

4.Series型別的操作類似Python字典型別：

• 通過自定義索引訪問

• 保留字in操作（只會判斷自定義索引，不會判斷自動索引）

• 使用.get()方法

5.Series型別的對齊問題：

Series型別在運算中會自動對齊不同索引的資料

6.Series型別的.name屬性：

Series物件和索引都可以有一個名字，儲存在屬性.name中

7.Series型別的修改：

Series物件可以隨時修改並即刻生效

7.3 DataFrame型別（二維）

DataFrame型別由共用相同索引的一組列組成

axis =0 /axis = 1的介紹

DataFrame是一個表格型的資料型別，每列值型別可以不同(類似於Excel)

DataFrame既有行索引、也有列索引

DataFrame常用於表達二維資料，但可以表達多維資料

建立DataFrame型別

DataFrame型別可以由如下型別建立：

• 二維ndarray物件

• 由一維ndarray、列表、字典、元組或Series構成的字典

• Series型別

• 其他的DataFrame型別

例項分析：

對DataFrame的理解

DataFrame是二維帶“標籤”陣列，DataFrame基本操作類似Series，依據行列索引

7.4 pandas的資料型別操作

資料型別操作 <– 等價–> 如何改變Series和DataFrame物件？

->增加或重排：重新索引

->刪除：drop

重新索引

.reindex()能夠改變或重排Series和DataFrame索引

引數解釋

關於索引

Series和DataFrame的索引是Index型別，Index物件是不可修改型別

index型別的常用方法

pandas通過操作索引來操作dataframe的資料集。

panda通過索引來實現對一組資料的操作。

刪除指定索引物件

.drop()能夠刪除Series和DataFrame指定行或列索引

刪除列時要指定axis=1(預設axis=0）

7.5 pandas的資料型別運算

算術運演算法則：

算術運算根據行列索引，補齊後運算，運算預設產生浮點數

補齊時缺項填充NaN (空值)

二維和一維、一維和零維間為廣播運算*（低維物件元素會作用到高維物件的每一個元素）*

採用+ ‐ * /符號進行的二元運算產生新的物件

方法形式的運算

方法形式的運算可通過指定引數避免上面的NaN的產生

廣播運算例項：

比較運演算法則：

比較運算只能比較相同索引的元素，不進行補齊

二維和一維、一維和零維間為廣播運算

採用> < >= <= == !=等符號進行的二元運算產生布爾物件

單元小結

單元8：pandas資料特徵分析

8.1資料排序

.sort_index()方法在指定軸上根據索引進行排序，預設升序

.sort_values()方法在指定軸上根據數值進行排序，預設升序

使用方式：

Series.sort_values(axis=0, ascending=True)

DataFrame.sort_values(by, axis=0, ascending=True)
#by : axis軸上的某個索引或索引列表

排序時，NaN永遠都是在排序結果末尾（不管是升序 還是 降序）

8.2 資料的基本統計

基本統計函式

describe函式例項

8.3 資料的累計統計分析

基本函式1：

基本函式2：

8.4 資料的相關分析

兩個事物，表示為X和Y，協方差可判斷它們之間的相關性：

• 協方差>0, X和Y正相關（ X增大，Y增大）
• 協方差<0, X和Y負相關（X增大，Y減小）
• 協方差=0, X和Y獨立無關（X增大，Y無視）

兩個事物，表示為X和Y，如何判斷它們之間的存在相關性？

r取值範圍[‐1,1]
…….r …………相關性
• 0.8‐1.0 極強相關
• 0.6‐0.8 強相關
• 0.4‐0.6 中等程度相關
• 0.2‐0.4 弱相關
• 0.0‐0.2 極弱相關或無相關

例項：房價增幅與M2增幅的相關性

單元小結