Python数据可视化 第12章 Pandas数据分析与可视化.pptxVIP

;Pandas概述

Pandas的数据结构

数据查询与编辑

Pandas数据运算

Pandas数据分组与聚合

Pandas可视化;简介

Pandas的名称源自计量经济学术语“paneldata”，用于描述包含多个时间段观察结果的数据集。Pandas库是在Python中执行非常实用的现实分析的高级工具或构建块。

Pandas是基于NumPy?的一种工具，该工具是为解决数据分析任务而创建的。纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具，提供了大量函数用于生成、访问、修改、分析、保存不同类型的数据，处理缺失值、重复值、异常值，并能够结合另一个扩展库Matplotlib进行数据可视化。

广泛应用在学术、金融、统计学等各个数据分析领域。;功能特点

提供了一个简单、高效、带有默认标签（也可以自定义标签）的DataFrame对象

能够快速从不同格式的文件中加载数据（比如Excel、CSV、SQL文件），然后转换为可处理的对象；

能够按数据的行、列标签进行分组，并对分组后的对象执行聚合和转换操作；

能够很方便地实现数据归一化操作和缺失值处理；

能够很方便地对DataFrame的数据列进行增加、修改或者删除的操作；

能够处理不同格式的数据集，如矩阵数据、异构数据表、时间序列等。

提供多种处理数据集的方式，如构建子集、切片、过滤、分组以及重新排序等;Pandas概述

Pandas的数据结构

数据查询与编辑

Pandas数据运算

Pandas数据分组与聚合

Pandas可视化;Pandas的三种数据结构

序列（Series）、数据帧（DataFrame）和MultiIndex（老版本中叫Panel）

Series是一维数据结构，DataFrame是二维的表格型数据结构，MultiIndex是三维的数据结构。;序列（Series）

Series是一个类似于一维数组的数据结构，主要由一组数据和与之相关的索引两部分构成。

它能够保存任何类型的数据，比如整数、字符串、浮点数等。;序列（Series）

Series的创建

data：传入的数据，可以是ndarray、list等

index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。

dtype：数据的类型，默认会自己判断。

?name：设置名称。也可以不设置

?copy：拷贝数据，默认为False。

;序列（Series）

Series的创建

创建空序列

输出：Seires[]

默认的数据类型为dtype.float(64);序列（Series）

Series的创建

通过数值创建序列

参数index的长度即为数值重复的次数

并不要求一定要提供索引参数，也不要求索引参数一定是整数类型;序列（Series）

Series的创建

通过NumPy数组创建序列

指定索引时，需要保证索引的长度与数据的长度一致;序列（Series）

Series的创建

通过字典创建序列

不指定索引时，字典中的键自动被作为索引列

如果需要手动创建索引，索引数组必须和字典的键一一对应。否则，不存在的索引对应的值为“NaN”。;序列（Series）

Series的创建

通过列表创建

;序列（Series）

Series的访问

位置索引访问：使用元素自身的下标进行访问

标签索引访问：Series类似于固定大小的dict，把index中的索引标签当做key，而把Series序列中的元素值当做value，然后通过index索引标签来访问或者修改元素值。

切片索引

;数据帧（DataFrame）

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。

DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。每一行数据都可以看成一个Series结构，DataFrame为这些行中每个数据值增加了一个列标签。

同Series一样，DataFrame自带行标签索引，默认为“隐式索引”即从0开始依次递增，行标签与DataFrame中的数据项一一对应。;数据帧（DataFrame）;数据帧（DataFrame）;数据帧（DataFrame）

创建DataFrame

data：一组数据(ndarray、series,map,lists,dict等类型)。

index：索引值，或者可以称为行标签。

columns：列标签，默认为RangeIndex(0,1,2,…,n)。

dtype：数据类型。

copy：拷贝数据，默认为False。;数据帧（DataFrame）