{DAY 16} Pandas 学习笔记 part.2

前言

Pandas 是强大的资料科学分析工具，结合前几天所学的NumPy特性

提供方便读取及使用的资料结构

来处理关联式数据和有标签的数据

上一章介绍了Series的概念
今天要进行延伸的学习
分成两部分：

1. 取得特定值
2. 与NumPy的整合

看的课程是Coursera上的 Introduction to Data Science in Python

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

练习是利用影片教的还有以前在学校教过的
重新整理有关Series的笔记

取得特定值（资料）

Pandas里可以透过标签或是索引值来取得特定栏位的数值

若是要透过标签的话是使用.loc( )

若是要透过索引值的话是使用.iloc( )

(记得索引值是从０开始的)

music_chart = {"Ed Sheeran":"Bad habits", "Justin Biber": "STAY","Cardie B":"Rumors","Anne-Maire":"Kiss My"}
m_c = pd.Series(music_chart)
m_c
'''
Ed Sheeran      Bad habits
Justin Biber          STAY
Cardie B            Rumors
Anne-Maire         Kiss My
dtype: object
'''
m_c.iloc[0]

如果我们想用索引值找出"Bad habits" 这首歌

m_c.iloc[0]
'''
'Bad habits'
'''

Series 也支援的切片的功能: .iloc[索引值起点：索引值结束点]

m_c.iloc[1:]
'''
Justin Biber       STAY
Cardie B         Rumors
Anne-Maire      Kiss My
dtype: object
'''

如果我们想用标签找出Justin Biber唱的歌

m_c.loc["Justin Biber"]
'''
'STAY'
'''

提取多笔不连续的资料可以透过指定多笔数字的索引值或标签

使用loc.( )也可以使用来取代指定index原本的value

m_c.loc["Ed Sheeran", "Justin Biber"] = ["Visiting Hours", "Ghost"]
m_c
'''
Ed Sheeran      Visiting Hours
Justin Biber             Ghost
Cardie B                Rumors
Anne-Maire             Kiss My
dtype: object
'''

可以看到原本的Bad habits被Visiting Hours取代掉, STAY被Ghost取代掉

删除 Series 内的资料，使用.drop(labels=" ")

m_c.drop(labels=["Cardie B", "Justin Biber"])
'''
Ed Sheeran    Visiting Hours
Anne-Maire           Kiss My
dtype: object
'''

与 NumPy 的整合

import numpy as np

#产生偶数
even_num = np.arange(2,11,2)
print("even:",even_num)

#产生乱数 Series
import numpy as np
rand_array = np.random.randint(0,1000,10)
print("random:",rand_array)

'''
even: [ 2  4  6  8 10]
random: [571 217 128 954 472 651 606 122 903 407]
'''

#变成Series
pd.Series(rand_array)
'''
0    571
1    217
2    128
3    954
4    472
5    651
6    606
7    122
8    903
9    407
dtype: int64
'''

• 用 head 查询前五笔资料.head( )

  括号内可以指定要查询的数量，像是.head(8)，可以查询前8笔

• 用 tail 查询後五笔资料.tail( )

• 用 take 指定查询索引值，

  假如要指定查询索引值为 2, 5 的资料，.take([2, 5])

  #产生从0到1000之间的随意整数10000个
  import numpy as np
  numbers = pd.Series(np.random.randint(0,1000,10000)) 
  print("前五笔资料:", numbers.head())
  print("前三笔资料:", numbers.head(3))
  print("後五笔资料:", numbers.tail())
  print("索引值为 2, 5 的资料:", numbers.take([2, 5]))
  '''
  前五笔资料: 0    571
  1    224
  2    408
  3    984
  4    617
  dtype: int64
  前三笔资料: 0    571
  1    224
  2    408
  dtype: int64
  後五笔资料: 9995     47
  9996    424
  9997     63
  9998    190
  9999    258
  dtype: int64
  索引值为 2, 5 的资料: 2    408
  5    815
  dtype: int64
  '''
  

• 检查输入的 values 是否在 series 里面，使用.isin( )

  m_c.isin(["Visiting Hours", "Ghost"])
  '''
  Ed Sheeran       True
  Justin Biber     True
  Cardie B        False
  Anne-Maire      False
  dtype: bool
  '''
  

• Series 的逐元运算

  先随意创建五个学生的分数

  scores = pd.Series([85,43,65,79,30], index = ["a","b","c","d","e"])
  scores
  '''
  a    85
  b    43
  c    65
  d    79
  e    30
  dtype: int64
  '''
  

  当老师想看有谁及格的时候

  scores>60
  '''
  a     True
  b    False
  c     True
  d     True
  e    False
  dtype: bool
  '''
  

  可以直接用运算元比较，看到b跟e是不及格的

  若是想单独看到有及格的人，可以直接使用[ ]

  产生一个新的series，里面的人的分数是有及格的

  scores[scores>60]
  '''
  a    85
  c    65
  d    79
  dtype: int64
  '''
  

  假设老师想让所有人的分数都除以10再加上85

  可以直接用series运算

  scores = (scores/10) + 85
  '''
  a    93.5
  b    89.3
  c    91.5
  d    92.9
  e    88.0
  dtype: float64
  '''
  

小结

明天会进入到类似SQL架构的Dataframe

就可以更进阶的操作一笔庞大的数据

进行资料初步的清洗