Python Pandas使用 Python Pandas的简单使用教程
橘崽崽啊 人气:0一、 Pandas简介
1、Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 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。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
2、Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。
3、数据结构：
Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
Panel ：三维的数组，可以理解为DataFrame的容器。
Pandas 有两种自己独有的基本数据结构。读者应该注意的是，它固然有着两种数据结构，因为它依然是 Python 的一个库，所以，Python 中有的数据类型在这里依然适用，也同样还可以使用类自己定义数据类型。只不过，Pandas 里面又定义了两种数据类型：Series 和 DataFrame，它们让数据操作更简单了。
二、Python Pandas的使用
修改列数据：
df['price']=df['price'].str.replace('人均','') # 删除多余文字
df['price']=df['price'].str.split("￥").str[-1] # 分割文本串
df['price']=df['price'].str.replace('-','0') # 替换文本
df['price']=df['price'].astype(int) # 文本转整型
切分列数据：
df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("环境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服务",'')
注意：pandas中操作如果不明确指定参数，则不会修改原数据，而是返回一个新对象。
删除列数据：
del df['commentlist']
排序列数据：
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True)
注意：排序前先用astype转换正确的类型，如str、int或float
重新设置索引列标签顺序：
df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']
打印前几行数据：
print(df.loc[:,['店铺名称','口味','人均消费']].head(6)) # 或者 # print(df.iloc[0:6,[1,6,4]]) # 前6行（整数） # 但不能是 # print(df.loc[0:6,['店铺名称','口味','人均消费']]) # 从索引0到索引6的行（对象）
综合示例：
图例：
结果：
要求：
（1）对该数据中的comment、price进行数据清洗整理，
（2）将commentlist数据拆分为“口味”、“环境”和“服务”三列后再进行数据清洗整理，
（3）去除commentlist列数据
（4）将此数据按“口味”降序、“人均消费”升序进行排序，
（5）输出排序后前6条数据中的“店铺名称”、“口味”和“人均消费”三列数据。
代码：
import pandas as pd
df=pd.read_csv('spdata.csv',encoding='gbk') #读入文件，编码为gbk # 注意编码，重要
#对数据进行清洗
df['comment']=df['comment'].str.replace('条点评','')
df['price']=df['price'].str.replace('人均','')
df['price']=df['price'].str.split("￥").str[-1]
df['price']=df['price'].str.replace('-','0')
df['price']=df['price'].astype(int)
df['kw']=df['commentlist'].str.split().str[0].str.replace("口味",'')
df['hj']=df['commentlist'].str.split().str[1].str.replace("环境",'')
df['fw']=df['commentlist'].str.split().str[2].str.replace("服务",'')
del df['commentlist']
#按口味降序，人均消费升序进行排序
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True)
#重新设置列索引标签
df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']
print(df.loc[:,['店铺名称','口味','人均消费']].head(6))
方法二：
import pandas as pd
df=pd.read_csv('spdata.csv',encoding='gbk')
df['comment']=df['comment'].str.replace('条点评','')
df['price']=df['price'].str.replace('人均','').str.replace('￥','').str.replace('-','0').str.replace(' ','').astype(int)
df[['kw','hj','fw']]=df['commentlist'].str.replace('口味','').str.replace('环境','').str.replace('服务','').str.split(expand=True).astype(float) # expand将普通的列表转为DataFrame对象
del df['commentlist']
df.sort_values(by=['kw','price'],axis=0,ascending=[False,True],inplace=True) # 注意inplace=True
df.columns=['类型','店铺名称','点评数量','星级','人均消费','店铺地址','口味','环境','服务']
print(df[['店铺名称','口味','人均消费']].head(6))
注意：df.str.split是列表，加了expand=True之后才是DataFrame对象，或者用.str[x]提取某一列，注意不是df.str.split()[x]而是df.str.split().str[x]，前者是对list（二维）操作，后者是对DataFrame操作（取某一列）
加载全部内容