人工智能基础（Python实现）-课件 第4章Pandas数据分析库.pptx

第4章

Pandas数据分析库

本章学习目标01了解Pandas数据分析库以及数据结构的基本概念。03熟悉Pandas中数据框的索引、切片、布尔索引等数据选择技术,以及如何进行数据的合并、连接和转换。05学习Pandas中的数据清洗技巧,包括处理缺失值、异常值、重复值,以及数据类型转换,确保数据质量。02掌握利用Pandas进行数据结构创建与操作。04理解Pandas在处理时间序列数据时的优势,包括时间序列的生成、索引设置、时间间隔计算、重采样、移动窗口计算和时间序列数据分析。06培养使用Pandas解决实际数据分析问题的能力。

目录4.2数据选择与过滤4.3数据分组与聚合4.4合并和连接4.1Pandas数据结构的创建与操作4.5数据读取和存储4.6数据清洗和预处理4.7时间序列处理

pandas导入惯例importpandasaspd01frompandasimportSeries02frompandasimportDataFrame03

4.1Pandas数据结构的创建与操作序列创建与基本操作4.1.1数据框创建与基本操作4.1.2

4.1Pandas数据结构的创建与操作序列概念:序列是用于存储一维数组的结构。要素:一组数据和对应的索引,索引可以是默认的整数索引或用户自定义的标签。

4.1.1序列创建与基本操作1.创建方法实例演示（1）用列表作为参数，并且不指定索引，自动生成整数索引In:a=Series([6.3,43.1,24.4])aOut:06.3143.1224.4dtype:float64

4.1.1序列创建与基本操作1.创建方法实例演示（2）用numpy数组作为参数，并且用index参数指定标签。In:chengji=Series(np.array((70,85,90)),index=[语文,数学,英语])chengjiOut:语文70#标签表示课程，值表示分数数学85英语90

4.1.1序列创建与基本操作1.创建方法实例演示（3）创建序列对象后通过该对象的index属性修改标签。In:gu=Series([6.3,43.1,24.4])gu.index=[幸福银行,平安科技,南方通信]guOut:幸福银行6.3#标签表示股票的名称，值表示股票的价格平安科技43.1南方通信24.4对比有标签的对象和没有标签的对象,区别在哪里？

4.1.1序列创建与基本操作2.访问对象的元素实例演示（1）通过索引。无论对象有无标签，都可以通过索引访问其中的元素。（2）通过标签。当对象有标签时，可以通过标签访问对应的元素。通过自定义标签，用户可以方便地理解和访问数据，而不需要依赖整数索引。In:a[1]Out:43.1In:gu[2]Out:24.4In:chengji[数学]Out:85In:gu[南方通信]Out:24.4

4.1.1序列创建与基本操作3.对序列对象切片实例演示对序列对象切片，切片得到的是原始对象的视图。有如下方法。（1）索引切片。通过索引切片与对Python可迭代对象切片的方法相同。（2）标签切片。通过标签切连续的元素，语法格式如下：对象[起始标签:结束标签]In:gu[0:2]Out:幸福银行6.3平安科技43.1In:gu[平安科技:南方通信]Out:平安科技43.1南方通信24.4

4.1.1序列创建与基本操作4.增加元素和修改序列元素实例演示创建好序列对象后，还可以增加元素和修改其中的元素，方法与Python字典对象相同，语法格式如下：对象[标签1]=值当原对象中存在标签1时，该语句修改它的值。反之，则在其中增加标签1，以及对应的值。In:gu[南方通信]=25.3gu[光明证券]=17.78guOut:幸福银行6.30平安科技43.10南方通信25.30#修改了元素值光明证券17.78#增加了一个元素

4.1.1序列创建与基本操作5.删除元素实例演示使用序列对象的drop()方法来删除一个或多个元素。通过指定元素的标签，drop()删除指定元素并返回一个新序列对象，其中不包含被删除的元素。需要注意的是，drop()默认不会修改原始序列，除非使用inplace=True参数。（1）删除单个元素时，直接将元素的标签值传给drop函数。In:gudel=gu.drop(光明证券)gudel#新对象删除了光明证券Out:幸福银行6.3平安科技43