Python金融数据分析与挖掘（微课版） 课件 第3章 数据处理包Pandas.pptx

第3章数据处理包Pandaspandas简介、序列创建与访问序列属性与方法序列切片与聚合运算

Pandas简介第3章Pandas是基于Numpy开发的一个Python数据分析包，提供了大量的数据分析函数，包括数据处理、数据抽取、数据集成、数据计算等基本的数据分析手段。Pandas核心数据结构包括序列和数据框，序列储存一维数据，而数据框则可以存储更复杂的多维数据。这里的数据框主要用来存储二维数据（类似于数据表）。通过importpandasaspd命令导入该包，其中pd为其简写。

序列创建及访问第3章序列由索引index和对应的值构成，默认情况下索引从0开始从小到大顺序排列，每个索引对应一个值。可以通过列表、元组、数组、字典等创建默认序列或个性化序列。序列对象的创建通过Pandas包中的Series()函数来实现。importpandasaspd#导入Pandas库importnumpyasnp#导入Numpy库s1=pd.Series([1,-2,2.3,hq])#指定列表创建默认序列s2=pd.Series([1,-2,2.3,hq],index=[a,b,c,d])#指定列表和索引，创建个性化序列s3=pd.Series((1,2,3,4,hq))#指定元组创建默认序列s4=pd.Series(np.array([1,2,4,7.1]))#指定数组创建默认序列#通过字典创建序列mydict={red:2000,bule:1000,yellow:500}#定义字典ss=pd.Series(mydict)#指定字典创建序列

序列创建及访问第3章序列的访问通过index索引访问对应的元素值。print(s4[3])print(s2[c])执行结果如下:7.12.3

序列属性第3章序列有两个属性，分别为值（values）和索引（index）。通过序列中的values属性和index属性可以获取其内容。importpandasaspds1=pd.Series([1,-2,2.3,hq])#创建序列s1va1=s1.values#获取序列s1中的值，赋给变量va1in1=s1.index#获取序列s1中的索引，赋给变量in1print(va1)#打印变量结果print(in1)#打印变量结果，可通过list()函数转化为列表，如in2=list(in1)执行结果如下：[1-22.3hq]RangeIndex(start=0,stop=4,step=1)

序列方法第3章unique()通过序列中的unique()方法，可以去掉序列中重复的元素值importpandasaspds5=[1,2,2,3,hq,hq,he]#定义列表s5s5=pd.Series(s5)#将定义的列表s5转换为序列s51=s5.unique()#调用unique()方法去重print(s51)执行结果如下：[123hqhe]

序列方法第3章isin()通过isin()方法，判断元素值的存在性，如果存在则返回True，否则为False。比如判断‘he’这个元素是否存在前面定义的s5序列中。importpandasaspds5=[1,2,2,3,hq,hq,he]s5=pd.Series(s5)s52=s5.isin([he])print(s52)执行结果如下：0False1False2False3False4False5False6Truedtype:bool

序列方法——value_counts()第3章value_counts()通过序列中的value_counts()方法，可以统计获得序列元素值出现的次数。比如统计s5序列中每个元素值出现的次数。s53=s5.value_counts()其中索引（index）为原序列元素的值，其值部分则为出现的次数。

序列方法——空值处理方法第3章空值处理方法：isnull()、notnull()、dropan()它们的使用方法如下：isnull()判断序列中是否有