有關pandas模塊的學習與應用主要介紹以下8個部分：

1、數據結構簡介：DataFrame和Series

2、數據索引index

3、利用pandas查詢數據

4、利用pandas的DataFrames進行統計分析

5、利用pandas實現SQL操作

6、利用pandas進行缺失值的處理

7、利用pandas實現Excel的數據透視表功能

8、多層索引的使用

昨天我們在Python數據分析之pandas學習(一)中已經介紹到了第四部分的描述性統計分析，我們接著往下講pandas模塊中的其他的知識點。

五、類似于SQL的操作

在SQL中常見的操作主要是增、刪、改、查幾個動作，那么pandas能否實現對數據的這幾項操作呢？答案是Of Course!

增：添加新行或增加新列

In [99]: dic = {'Name':['LiuShunxiang','Zhangshan'],

...: ? ? ? ?'Sex':['M','F'],'Age':[27,23],

...: ? ? ? ?'Height':[165.7,167.2],'Weight':[61,63]}

In [100]: student2 = pd.DataFrame(dic)

In [101]: student2

Out[101]:

Age ?Height ? ? ? ? ?Name Sex ?Weight

0 ? 27 ? 165.7 ?LiuShunxiang ? M ? ? ?61

1 ? 23 ? 167.2 ? ? Zhangshan ? F ? ? ?63

現在將student2中的數據新增到student中，可以通過concat函數實現：

注意到了嗎？在數據庫中union必須要求兩張表的列順序一致，而這里concat函數可以自動對齊兩個數據框的變量！

新增列的話，其實在pandas中就更簡單了，例如在student2中新增一列學生成績：

對于新增的列沒有賦值，就會出現空NaN的形式。

刪：刪除表、觀測行或變量列

刪除數據框student2,通過del命令實現，該命令可以刪除Python的所有對象。

刪除指定的行

原數據中的第1,2,4,7行的數據已經被刪除了。

根據布爾索引刪除行數據，其實這個刪除就是保留刪除條件的反面數據，例如刪除所有14歲以下的學生：

刪除指定的列

我們發現，不論是刪除行還是刪除列，都可以通過drop方法實現，只需要設定好刪除的軸即可，即調整drop方法中的axis參數。默認該參數為0，表示刪除行觀測，如果需要刪除列變量，則需設置為1。

改：修改原始記錄的值

如果發現表中的某些數據錯誤了，如何更改原來的值呢？我們試試結合布爾索引和賦值的方法：

例如發現student3中姓名為Liushunxiang的學生身高錯了，應該是173，如何改呢？

這樣就可以把原來的身高修改為現在的170了。

看，關于索引的操作非常靈活、方便吧，就這樣輕松搞定數據的更改。

查：有關數據查詢部分，上面已經介紹過，下面重點講講聚合、排序和多表連接操作。

聚合：pandas模塊中可以通過groupby()函數實現數據的聚合操作

根據性別分組，計算各組別中學生身高和體重的平均值：

如果不對原始數據作限制的話，聚合函數會自動選擇數值型數據進行聚合計算。如果不想對年齡計算平均值的話，就需要剔除改變量：

groupby還可以使用多個分組變量，例如根本年齡和性別分組，計算身高與體重的平均值：

當然，還可以對每個分組計算多個統計量：

是不是很簡單，只需一句就能完成SQL中的SELECT...FROM...GROUP BY...功能，何樂而不為呢？

排序：

排序在日常的統計分析中還是比較常見的操作，我們可以使用order、sort_index和sort_values實現序列和數據框的排序工作：

我們再試試降序排序的設置：

上面兩個結果其實都是按值排序，并且結果中都給出了警告信息，即建議使用sort_values()函數進行按值排序。

在數據框中一般都是按值排序，例如：

多表連接:

多表之間的連接也是非常常見的數據庫操作，連接分內連接和外連接，在數據庫語言中通過join關鍵字實現，pandas我比較建議使用merger函數實現數據的各種連接操作。

如下是構造一張學生的成績表：

現在想把學生表student與學生成績表score做一個關聯，該如何操作呢？

注意，默認情況下，merge函數實現的是兩個表之間的內連接，即返回兩張表中共同部分的數據。可以通過how參數設置連接的方式，left為左連接；right為右連接；outer為外連接。

左連接實現的是保留student表中的所有信息，同時將score表的信息與之配對，能配多少配多少，對于沒有配對上的Name，將會顯示成績為NaN。

六、缺失值處理

現實生活中的數據是非常雜亂的，其中缺失值也是非常常見的，對于缺失值的存在可能會影響到后期的數據分析或挖掘工作，那么我們該如何處理這些缺失值呢？常用的有三大類方法，即刪除法、填補法和插值法。

刪除法：當數據中的某個變量大部分值都是缺失值，可以考慮刪除改變量；當缺失值是隨機分布的，且缺失的數量并不是很多是，也可以刪除這些缺失的觀測。

替補法：對于連續型變量，如果變量的分布近似或就是正態分布的話，可以用均值替代那些缺失值；如果變量是有偏的，可以使用中位數來代替那些缺失值；對于離散型變量，我們一般用眾數去替換那些存在缺失的觀測。

插補法：插補法是基于蒙特卡洛模擬法，結合線性模型、廣義線性模型、決策樹等方法計算出來的預測值替換缺失值。

我們這里就介紹簡單的刪除法和替補法：

這是一組含有缺失值的序列，我們可以結合sum函數和isnull函數來檢測數據中含有多少缺失值：

In [130]:sum(pd.isnull(s))

Out[130]: 9

直接刪除缺失值

默認情況下，dropna會刪除任何含有缺失值的行，我們再構造一個數據框試試：

返回結果表明，數據中只要含有缺失值NaN,該數據行就會被刪除，如果使用參數how='all'，則表明只刪除所有行為缺失值的觀測。

使用一個常量來填補缺失值，可以使用fillna函數實現簡單的填補工作：

1)用0填補所有缺失值

2)采用前項填充或后向填充

3)使用常量填充不同的列

4)用均值或中位數填充各自的列

很顯然，在使用填充法時，相對于常數填充或前項、后項填充，使用各列的眾數、均值或中位數填充要更加合理一點，這也是工作中常用的一個快捷手段。

七、數據透視表

在Excel中有一個非常強大的功能就是數據透視表，通過托拉拽的方式可以迅速的查看數據的聚合情況，這里的聚合可以是計數、求和、均值、標準差等。

pandas為我們提供了非常強大的函數pivot_table()，該函數就是實現數據透視表功能的。對于上面所說的一些聚合函數，可以通過參數aggfunc設定。我們先看看這個函數的語法和參數吧：

pivot_table(data,values=None,

index=None,

columns=None,

aggfunc='mean',

fill_value=None,

margins=False,

dropna=True,

margins_name='All')

data：需要進行數據透視表操作的數據框

values：指定需要聚合的字段

index：指定某些原始變量作為行索引

columns：指定哪些離散的分組變量

aggfunc：指定相應的聚合函數

fill_value：使用一個常數替代缺失值，默認不替換

margins：是否進行行或列的匯總，默認不匯總

dropna：默認所有觀測為缺失的列

margins_name：默認行匯總或列匯總的名稱為'All'

我們仍然以student表為例，來認識一下數據透視表pivot_table函數的用法：

對一個分組變量(Sex)，一個數值變量(Height)作統計匯總

對一個分組變量(Sex)，兩個數值變量(Height,Weight)作統計匯總

對兩個分組變量(Sex，Age)，兩個數值變量(Height,Weight)作統計匯總

很顯然這樣的結果并不像Excel中預期的那樣，該如何變成列聯表的形式的？很簡單，只需將結果進行非堆疊操作(unstack)即可：

看，這樣的結果是不是比上面那種看起來更舒服一點？

使用多個聚合函數

有關更多數據透視表的操作，可參考《Pandas透視表(pivot_table)詳解》一文，鏈接地址：http://python.jobbole.com/81212/

八、多層索引的使用

最后我們再來講講pandas中的一個重要功能，那就是多層索引。在序列中它可以實現在一個軸上擁有多個索引，就類似于Excel中常見的這種形式：

對于這樣的數據格式有什么好處呢？pandas可以幫我們實現用低維度形式處理高維數數據，這里舉個例子也許你就能明白了：

對于這種多層次索引的序列，取數據就顯得非常簡單了：

對于這種多層次索引的序列，我們還可以非常方便的將其轉換為數據框的形式：

以上針對的是序列的多層次索引，數據框也同樣有多層次的索引，而且每條軸上都可以有這樣的索引，就類似于Excel中常見的這種形式：

我們不妨構造一個類似的高維數據框：

同樣，數據框中的多層索引也可以非常便捷的取出大塊數據：

在數據框中使用多層索引，可以將整個數據集控制在二維表結構中，這對于數據重塑和基于分組的操作(如數據透視表的生成)比較有幫助。

就拿student二維數據框為例，我們構造一個多層索引數據集：

講到這里，我們關于pandas模塊的學習基本完成，其實在掌握了pandas這8個主要的應用方法就可以靈活的解決很多工作中的數據處理、統計分析等任務。有關更多的pandas介紹，可參考pandas官方文檔：http://pandas.pydata.org/pandas-docs/version/0.17.0/whatsnew.html。

強烈推薦《Python數據分析》和《利用Python進行數據分析》兩本書，書中詳細講解了如何使用numpy、pandas、scipy、matplotlib等模塊進行數據分析，目前我也正在使用這兩本參考書，感興趣的朋友可以一起學習，共同進步。學習任何一門計算機語言都需要你不斷的思考和敲擊鍵盤，每天進步一點點，你會感謝一年前努力的自己！

每天進步一點點2015

學習與分享，取長補短，關注小號！

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的pandas python2_Python数据分析之pandas学习（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。