1、pandas数据的读取
pandas需要先读取表格类型的数据，然后进行分析
数据说明 说明 pandas读取方法 csv、tsv、txt 用
逗号
分割、tab分割的纯文本文件 pd.read_csv excel 微软xls或者xlsx文件 pd.read_excel mysql 关系向数据库表 pd.read_sql
#本代码示例：
import pandas as pd #导入包
#1读取csv，使用默认的标题行、逗号分割
fpath = "要打开文件的路径"
ratings = pd.read_csv(fpath) #使用pd.read_csv读取数据
ratings.head() #查看前几行（默认5行）
ratings.shape #查看数据的形状，返回（行数、列数）
ratings.columns # 查看列名列表
ratings.index #查看索引列
ratings.dtypes #查看每一列的数据类型
#1.2读取txt文件，自己制定分隔符、列名
fpath = "文件的路径"
pvuv = pd.read_csv(
fpath,
sep = "\t", #l列的分隔符
header = None,
names = ['pdate','pv','uv']
)
print(pvuv)
#读取excel文件
fpath = "文件的路径"
pvuv = pd.read_excel(fpath)
print(pvuv)
#读取Mysql数据库
import pmysql
conn = pmysql.connect(
host = '127.0.0.1',
user = 'root',
password = '123456',
database = 'test',
charest = 'utf8'
)
mysql_page = pd.read_sql("select * from 表名",con=conn)
print(mysql_page)
2、pandas数据结构（DataFrame & Series）
DataFrame:二维数据，整个表格，多行多列
df.columns 查询列
df.index 查询行
Series：一维数据，一行或者一列
#1、 Series
#2、DataFrame
#3、从DAtaFrame中查询出Series
import pandas as pd
import numpy as np
#series是一种类似于一维数组的对象，它由一组数据（不同数据类型）以及一组与之相关的数#据标签（即索引）组成。
#1.1仅有数据列表即可产生最简单的series
s1 = pd.Series([1,'a',5.2,6])
print(s1) #左侧为索引，右侧为数据
print(s1.index) #获取索引 结果：RangeIndex(start=0, stop=4, step=1)
print(s1.values) #获取数据 结果：[1 'a' 5.2 6]
#1.2 创建一个具有标签索引的Series
s2 = pd.Series([1,'a',5.2,6],index = ['d','b','a','c'])
print(s2)
print(s2.index) #Index(['d', 'b', 'a', 'c'], dtype='object')
#1.3 使用python字典创建Series
sdata = {'ohio':3500,'Texas':72000,'Oregs':16000,'Ggrqg':5000}
s3 = pd.Series(sdata)
print(s3)
#1.4 根据标签索引查询数据（类似python的字典dict)
print(s2['a'])#5.2
print(type(s2['a']))#
print(s2[['b','a']])
#2 DataFrame
DataFrame是一个表格型的数据结构
每一列可以是不同的值类型（数值、字符串、布尔值）
既有行索引index，也有列索引columns
可以被看由Series组成的字典
#2.1根据多个字典序列创建dataframe
data = {
'state':['ofjg','sdfg','werw','wrgwer','rgwg'],
'year':[2000,3000,5000,6000,9000],
'pop':[1.5,1.7,1.6,5.3,3.5]
}
df = pd.DataFrame(data)
print(df)
#3.从DataFrame中查询Series
如果只查询一列，返回的是pd.Series
如果查询多行、多列，返回的是pd.DataFrame
3.1 查询一列 结果是一个pd.Series
print(df['year'])
print(type(df['year']))#
3.2 查询多列，结果是一个pd.DataFrame
print(df[['year','pop']])
print(type(df[['year','pop']]))#
3.3 查询一行，结果是一个pd.Series
print(df.loc[1])
print(type(df.loc[1]))#
3.4 查询多行，结果是一个pd.DataFrame
print(df.loc[1:3])
print(type(df.loc[1:3]))#
Original: https://www.cnblogs.com/spp666/p/11845843.html
Author: hehe哒
Title: pandas数据读取（DataFrame Series）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/559979/
转载文章受原作者版权保护。转载请注明原作者出处！