十分钟搞定pandas

本文是对pandas官方网站上《10Minutes to pandas》的一个简单的翻译，原文在这里。这篇文章是对pandas的一个简单的介绍，详细的介绍请参考：Cookbook
。习惯上，我们会按下面格式引入所需要的包：

一、           创建对象

可以通过Data Structure Intro Setion 来查看有关该节内容的详细信息。

1、可以通过传递一个list对象来创建一个Series，pandas会默认创建整型索引：



2、通过传递一个numpyarray，时间索引以及列标签来创建一个DataFrame：



3、通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame：



4、查看不同列的数据类型：



5、如果你使用的是IPython，使用Tab自动补全功能会自动识别所有的属性以及自定义的列，下图中是所有能够被自动识别的属性的一个子集：

二、           查看数据

详情请参阅：Basics Section

 

1、  查看frame中头部和尾部的行：



2、  显示索引、列和底层的numpy数据：



3、  describe()函数对于数据的快速统计汇总：



4、  对数据的转置：



5、  按轴进行排序



6、  按值进行排序

三、           选择

虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场，但是作为工程使用的代码，我们推荐使用经过优化的pandas数据访问方式：
.at, .iat, .loc, .iloc 和 .ix详情请参阅Indexingand
Selecing Data和MultiIndex/ Advanced Indexing。

l  获取

1、 选择一个单独的列，这将会返回一个Series，等同于df.A：



2、 通过[]进行选择，这将会对行进行切片



l  通过标签选择

1、 使用标签来获取一个交叉的区域



2、 通过标签来在多个轴上进行选择



3、 标签切片



4、 对于返回的对象进行维度缩减



5、 获取一个标量



6、 快速访问一个标量（与上一个方法等价）



l  通过位置选择

1、 通过传递数值进行位置选择（选择的是行）



2、 通过数值进行切片，与numpy/python中的情况类似



3、 通过指定一个位置的列表，与numpy/python中的情况类似



4、 对行进行切片



5、 对列进行切片



6、 获取特定的值



l  布尔索引

1、 使用一个单独列的值来选择数据：



2、 使用where操作来选择数据：



3、 使用isin()方法来过滤：


 

l  设置

1、 设置一个新的列：



2、 通过标签设置新的值：



3、 通过位置设置新的值：



4、 通过一个numpy数组设置一组新值：



上述操作结果如下：



5、 通过where操作来设置新的值：

四、           缺失值处理

在pandas中，使用np.nan来代替缺失值，这些值将默认不会包含在计算中，详情请参阅：Missing Data Section。

1、  reindex()方法可以对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝：、



2、  去掉包含缺失值的行：



3、  对缺失值进行填充：



4、  对数据进行布尔填充：

五、           相关操作

详情请参与Basic Section On Binary Ops

l  统计（相关操作通常情况下不包括缺失值）

1、  执行描述性统计：



2、  在其他轴上进行相同的操作：



3、  对于拥有不同维度，需要对齐的对象进行操作。Pandas会自动的沿着指定的维度进行广播：



l  Apply

1、  对数据应用函数：



l  直方图

具体请参照：Histogrammingand Discretization



 

l  字符串方法

Series对象在其str属性中配备了一组字符串处理方法，可以很容易的应用到数组中的每个元素，如下段代码所示。更多详情请参考：Vectorized String Methods.

六、           合并

Pandas提供了大量的方法能够轻松的对Series，DataFrame和Panel对象进行各种符合各种逻辑关系的合并操作。具体请参阅：Mergingsection

l  Concat



l  Join 类似于SQL类型的合并，具体请参阅：Databasestyle joining



l  Append 将一行连接到一个DataFrame上，具体请参阅Appending：

七、           分组

对于”group by”操作，我们通常是指以下一个或多个操作步骤：

l  （Splitting）按照一些规则将数据分为不同的组；

l  （Applying）对于每组数据分别执行一个函数；

l  （Combining）将结果组合到一个数据结构中；

详情请参阅：Groupingsection



1、  分组并对每个分组执行sum函数：



2、  通过多个列进行分组形成一个层次索引，然后执行函数：

八、           Reshaping

详情请参阅HierarchicalIndexing 和 Reshaping。

l  Stack







l  数据透视表，详情请参阅：PivotTables.



可以从这个数据中轻松的生成数据透视表：

九、           时间序列

Pandas在对频率转换进行重新采样时拥有简单、强大且高效的功能（如将按秒采样的数据转换为按5分钟为单位进行采样的数据）。这种操作在金融领域非常常见。具体参考：TimeSeries section。



1、  时区表示：



2、  时区转换：



3、  时间跨度转换：



4、  时期和时间戳之间的转换使得可以使用一些方便的算术函数。

十、           Categorical

从0.15版本开始，pandas可以在DataFrame中支持Categorical类型的数据，详细介绍参看：categoricalintroduction和APIdocumentation。



1、  将原始的grade转换为Categorical数据类型：



2、  将Categorical类型数据重命名为更有意义的名称：



3、  对类别进行重新排序，增加缺失的类别：



4、  排序是按照Categorical的顺序进行的而不是按照字典顺序进行：



5、  对Categorical列进行排序时存在空的类别：

十一、          画图

具体文档参看：Plotting docs



对于DataFrame来说，plot是一种将所有列及其标签进行绘制的简便方法：

十二、          导入和保存数据

l  CSV，参考：Writingto a csv file

1、  写入csv文件：



2、  从csv文件中读取：



l  HDF5，参考：HDFStores

1、  写入HDF5存储：



2、  从HDF5存储中读取：



l  Excel，参考：MSExcel

1、  写入excel文件：



2、  从excel文件中读取：