Какие данные обрабатывает pandas?

• Я хочу начать использовать pandas

  In [1]: import pandas as pd
  

  Чтобы загрузить пакет pandas и начать с ним работать, импортируйте его. Сообщество согласовало псевдоним pd для pandas, поэтому загрузка pandas как pd считается стандартной практикой для всей документации pandas.

Представление таблицы данных pandas

• Я хочу сохранить данные пассажиров Титаника. Для ряда пассажиров мне известны данные об именах (characters), возрасте (integers) и поле (male/female).

  In [2]: df = pd.DataFrame(
     ...:     {
     ...:         "Name": [
     ...:             "Braund, Mr. Owen Harris",
     ...:             "Allen, Mr. William Henry",
     ...:             "Bonnell, Miss. Elizabeth",
     ...:         ],
     ...:         "Age": [22, 35, 58],
     ...:         "Sex": ["male", "male", "female"],
     ...:     }
     ...: )
     ...: 
  
  In [3]: df
  Out[3]: 
                         Name  Age     Sex
  0   Braund, Mr. Owen Harris   22    male
  1  Allen, Mr. William Henry   35    male
  2  Bonnell, Miss. Elizabeth   58  female
  

  Чтобы вручную сохранить данные в таблице, создайте DataFrame. При использовании словаря списков Python ключи словаря будут использоваться как заголовки столбцов, а значения в каждом списке — как столбцы DataFrame.

Класс DataFrame — это двумерная структура данных, которая может хранить в столбцах данные разных типов, включая символы, целые числа, значения с плавающей запятой, категориальные данные и так далее. Это похоже на электронную таблицу Excel, таблицу SQL или data.frame в R.

• В таблице три столбца, каждый из которых имеет метку. Метки столбцов соответственно Name, Age и Sex.

• Столбец Name состоит из текстовых данных, где каждое значение представляет собой строку, столбец Age представляет собой числа, а столбец Sex представляет собой текстовые данные.

В программном обеспечении для работы с электронными таблицами табличное представление наших данных будет выглядеть очень похоже:

Каждый столбец в DataFrame представляет собой Series

• Меня интересует работа с данными только в столбце Age.

  In [4]: df["Age"]
  Out[4]: 
  0    22
  1    35
  2    58
  Name: Age, dtype: int64
  

  При выборе одного столбца pandas DataFrame результатом будет Series. Чтобы выбрать столбец, используйте метку столбца в квадратных скобках [].

Примечание

Если вы знакомы со словарями Python, выбор одного столбца очень похож на выбор значений словаря на основе ключа.

Вы также можете создать Series с нуля:

In [5]: ages = pd.Series([22, 35, 58], name="Age")

In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

У Series в pandas нет меток столбцов, так как это всего лишь один столбец DataFrame. Метки строк в Series есть.

Действия над DataFrame или Series

• Я хочу знать максимальный возраст пассажиров

  Мы можем сделать это в DataFrame, выбрав столбец Age и применив max():

  In [7]: df["Age"].max()
  Out[7]: 58
  

  Или к Series:

  In [8]: ages.max()
  Out[8]: 58
  

Как показано на примере метода max(), вы можете делать что-либо с DataFrame или Series. pandas предоставляет множество функций, каждая из которых представляет собой метод, который вы можете применить к DataFrame или Series. Поскольку методы являются функциями, не забывайте использовать круглые скобки ().

• Меня интересуют некоторые основные статистические показатели числовых данных моей таблицы

  In [9]: df.describe()
  Out[9]: 
               Age
  count   3.000000
  mean   38.333333
  std    18.230012
  min    22.000000
  25%    28.500000
  50%    35.000000
  75%    46.500000
  max    58.000000
  

  Метод describe() обеспечивает краткий обзор числовых данных в DataFrame. Поскольку столбцы Name и Sex являются текстовыми данными, они по умолчанию не учитываются методом describe().

Многие операции pandas возвращают DataFrame или Series. Метод describe() является примером операции pandas, возвращающей Series или DataFrame.

В руководстве пользователя

Проверьте дополнительные параметры describe в разделе руководства пользователя об обобщениях с помощью describe.

Примечание

Это всего лишь отправная точка. Подобно программному обеспечению для работы с электронными таблицами, pandas представляет данные в виде таблицы со столбцами и строками. Помимо представления, pandas также поддерживает операции с данными и вычисления, как при работе с электронными таблицами.

ЗАПОМНИТЕ

• Импорт пакета: import pandas as pd.

• Таблица данных в pandas хранится как DataFrame.

• Каждый столбец в DataFrame представляет собой Series

• Вы можете применять методы к DataFrame или Series.

В руководстве пользователя

Более подробное объяснение DataFrame и Series приведено в руководстве пользователя, во введении в структуры данных.

назад

Руководство по началу работы

вперёд

Как читать и записывать табличные данные?