[2020铁人赛Day29]糊里糊涂Python就上手-Pandas的观念与运用(下)

今日目标

学习了解 Python Pandas 资料存取与运用视觉化呈现数据

DataFrame 资料操作

在提到 Python Pandas 资料存取与运用视觉化呈现数据前，先补充说明一下昨天提到的 DataFrame 如何操作资料内容

DataFrame 资料排序

完整代码

import pandas as pd

dictValue = {
    "Chinese": {"A1":68, "A2":86, "A3":57},
    "Engilsh": {"A1":63, "A2":92, "A3":83},
    "Math": {"A1":65, "A2":89, "A3":77}
}
df = pd.DataFrame(dictValue)
print(df) # 印出所有数值
print("-" * 40)

print("使用栏位「Math」做递减排序:\n", df.sort_values(by="Math", ascending=False))
print("-" * 40)
print("使用索引名称做递减排序:\n", df.sort_index(axis=0, ascending=False))

DataFrame 资料更新

若是 DataFrame 想要更新资料，可以使用 loc() 方法，其语法为：

df.loc["索引名称"]["栏位名称"] = 将更改的数值

情境一：将 A2 的 Engilsh 更改为 76
情境二：将 A3 的所有栏位更改为 100

完整代码

import pandas as pd

dictValue = {
    "Chinese": {"A1":68, "A2":86, "A3":57},
    "Engilsh": {"A1":63, "A2":92, "A3":83},
    "Math": {"A1":65, "A2":89, "A3":77}
}
df = pd.DataFrame(dictValue)
print(df) # 印出所有数值
print("-" * 40)

# 情境一
df.loc["A2"]["Engilsh"] = 76 # 将 A2 的 Engilsh 更改为 76

# 情境二
df.loc["A3", :] = 100 # 将 A3 的所有栏位更改为 100
print(df) # 印出所有数值

DataFrame 资料删除

若是 DataFrame 想要删除资料，可以使用 drop() 方法，其语法为：
(axis 轴向编号，0 代表为列(索引名称)，1 代表为栏(栏位名称))

变数名称 = df.drop(索引名称或栏位名称[, axis=轴向编号])

情境一：删除索引 A3 所有数值
情境二：删除栏位 Engilsh 所有数值

完整代码

import pandas as pd

dictValue = {
    "Chinese": {"A1":68, "A2":86, "A3":57},
    "Engilsh": {"A1":63, "A2":92, "A3":83},
    "Math": {"A1":65, "A2":89, "A3":77}
}
df = pd.DataFrame(dictValue)
print(df) # 印出所有数值
print("-" * 40)

# 情境一
df2 = df.drop("A3", axis=0) # 删除索引 A3 所有数值
print(df2) # 印出所有数值
print("-" * 40)

# 情境二
df3 = df.drop("Engilsh", axis=1) # 删除栏位 Engilsh 所有数值
print(df3) # 印出所有数值

大范围删除数值

# 依照给予的索引位置删除，轴向编号 axis=0
变数名称 = df.drop(df.index[起始位置:终止位置][, axis=轴向编号])

# 依照给予的栏位位置删除，轴向编号 axis=1
变数名称 = df.drop(df.columns[起始位置:终止位置][, axis=轴向编号])

Pandas 资料存取

Pandas 可以从 CSV、Excel、SQL、JSON、HTML中取得资料，汇入後再转换为 DataFrame 进行资料的修改、排序等等动作

Pandas 读取资料

Pandas 储存资料

实际体验

让我们先用先前范例的 Dictionary data，运用 Pandas to_csv 储存 DataFrame 资料
to_csv 语法：

pandas.to_csv(档案名称[, header=布林值, index=布林值, encoding=编码, sep=分隔符号])

其中，header 为是否要保留栏位(预设为 True)，index 为是否要保留索引(预设为 True)

完整代码

import pandas as pd

dictValue = {
    "Chinese": {"A1":68, "A2":86, "A3":57},
    "Engilsh": {"A1":63, "A2":92, "A3":83},
    "Math": {"A1":65, "A2":89, "A3":77}
}
df = pd.DataFrame(dictValue)

df.to_csv('pandas_example.csv', encoding='utf-8-sig')

执行後开启 CSV 档案内容：

使用 Pandas read_csv 读出刚产出的 pandas_example.csv 档案内容，并印出资料格式
read_csv 语法：

pandas.read_csv(档案名称[, header=栏位列, index=索引列, encoding=编码, sep=分隔符号])

完整代码

import pandas as pd

data = pd.read_csv("pandas_example.csv", header=0, index_col=0)
print(data)
print(type(data))

执行後画面：

Pandas 视觉化呈现数据

plot 绘制

Pandas 模组是以 DataFrame资料的 plot() 方法将数据绘制出来，其语法为：
(可以不用设定其余参数即可呈现，kind 预设为 line 折线图)

DataFrame.plot([kind='图形mode', title=None, figsize=None, fontsize=None, xticks=None, yticks=None, xlim=None, ylim=None, grid=False, legend=True])

line｜折线图
bar｜长条图
barh｜横条图
pie｜圆饼图
hist｜直方图

使用 Pandas read_csv 读出刚产出的 pandas_example.csv 档案内容，并印出「折线图」、「长条图」、「横条图」、「圆饼图」
(这边的「圆饼图」需要使用到 subplot=True 这个参数，这会让多张图表放置在同一个区域中)
完整代码

import pandas as pd

df = pd.read_csv("pandas_example.csv", header=0, index_col=0)

df.plot(kind='line', figsize=(5,5), title='Pandas plot line') # 折线图
df.plot(kind='bar', figsize=(5,5), title='Pandas plot bar') # 长条图
df.plot(kind='barh', figsize=(5,5), title='Pandas plot barh') # 横条图
df.plot(kind='pie', figsize=(16,16), title='Pandas plot pie', subplots=True) # 圆饼图

执行後画面：

结论

纪录到此，Python Pandas 资料存取与运用视觉化呈现数据的部分就简单的带过了，希望各位能藉由上述的范例体会上手，并灵活应用於实务上