Python数据分析（二）

Pandas介绍

Pandas是一个高性能，易使用的数据结构和数据分析工具，大致可以相当于Python中的Excel。

Pandas的使用

使用前先导入：

import pandas as pd

Pandas两大数据结构

1、Series

Series是带索引的一维数组，是Pandas的主要数据结构之一，可存储整数、浮点数、字符串等类型的数据。
eg.
隐式索引（索引从0开始）

 pd.Series([1,'apple',3.5,4])

自定义索引（添加index参数）

pd.Series([1,'apple',3.5,4],index = ['a','b','c','d'])

ps.索引个数需要与数据个数对应，否则会报错

2、DataFrame

DataFrame是既有行索引，又有列索引的二维表格型数据结构，可以看成由多个series组成

pd.DataFrame({'Animal':['Dog','Cat','Bear'],'Owner':['Alice','Bob','Cathy']})

上面例子中存储了一个字典，字典的键’animal’和’owner’是每一列的表头索引，每一行的索引从0开始为0，1，2

使用Pandas读写文件

1、 全部读取txt文件和csv文件

csv文件为逗号分隔值文件

import pandas as pd 
data = pd.read_csv('path',seq = '',header = None)

path为文件路径，seq参数为分隔值，读取csv时可省略，header参数在第一行不是列名时可添加。

2、部分读取txt文件和csv文件

读取指定列：

import pandas as pd
data = pd.read_csv('path',usecols = ['id','age'])

usecols = [‘1’,’3’]可以读取第二列和第四列

读取前面n行：

import pandas as pd
data = pd.read_csv('path',nrows = 2)

读取跳过包含列名在内的前两行

从第n行开始读取：

pd.read_csv('path',skiprows = 2)

从第三行开始读取

3、文件写入

覆盖式写入：

data.to_csv('path',index = False)

index = Fasle为行索引不写入，如果含中文，添加 encoding = ‘utf_8_sig’

追加式写入：

data.to_csv('path',mode = 'a',header = False)

mode = ‘a’如果存在，则追加；如果不存在，则创建
header = False 不重复写入列名

Excel文件的读写

读取：
单一Sheet文件：

data = pd.read_excel('path')

多个Sheet文件：

data = pd.read_excel('path',sheet_name = '表名')

读取指定列时使用usecols

data = pd.read_excel('path',usecols = [1,3])

写入：
单一Sheet：

 data.to_excel('path',sheet_name = 'sheet1',index = False) #写入时不写入行索引
 

多个Sheet：

writefile = 'path'
with pd.ExcelWriter(writefile) as writer:
    data.to_excel(writer,sheet_name = 'sheet1',index = False)
    data1.to_excel(writer,sheet_name = 'sheet2',index = False)

数据分析文件

Pandas可以读取sas文件和spss文件，但不可以写入。