pandas库怎么在python中进行安装-mile米乐体育

pandas库怎么在python中进行安装？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

pandas 的安装

pandas 在python上的安装同样的使用pip进行：

pipinstallpandas

pandas 创建对象

pandas 有两种数据结构：series 和 dataframe 。

series

series 像python中的数据list 一样，每个数据都有自己的索引。从list创建 series。

>>>importpandasaspd >>>s1=pd.series([100,23,'bugingcode']) >>>s1 0100 123 2bugingcode dtype:object >>>

在series 中添加相应的索引：

>>>importnumpyasnp >>>ts=pd.series(np.random.randn(365),index=np.arange(1,366)) >>>ts

在index中设置索引值是一个从1到366的值。

series 的数据结构最像的是python中的字典，从字典中创建series：

sd={'xiaoming':14,'tom':15,'john':13} s4=pd.series(sd)

这时候可以看到series 已经是自带索引index。

pandas 本身跟 python的另外一个第三方库matplotlib 有很多的连接，matplotlib 一个最经常用到的是用来展示数据的，如果还对matplotlib 不了解的话，后面的章节会进行介绍，现在先拿过来直接用下，如果还没有安装的话，一样的用pip命令安装 pip install matplotlib ， 展示如下数据：

importpandasaspd importnumpyasnp importmatplotlib.pyplotasplt  ts=pd.series(np.random.randn(365),index=np.arange(1,366)) ts.plot() plt.show()

一个不规则的图形，在数据分析中，时间是一个重要的特性，因为很多数据都是跟时间是有关系的，销售额跟时间有关系，天气跟时间有关系。。。，在pandas 中也提供了关于时间的一些函数，使用date_range 生成一系列时间。

>>>pd.date_range('01/01/2017',periods=365) datetimeindex(['2017-01-01','2017-01-02','2017-01-03','2017-01-04', '2017-01-05','2017-01-06','2017-01-07','2017-01-08', '2017-01-09','2017-01-10', ... '2017-12-22','2017-12-23','2017-12-24','2017-12-25', '2017-12-26','2017-12-27','2017-12-28','2017-12-29', '2017-12-30','2017-12-31'], dtype='datetime64[ns]',length=365,freq='d') >>>

之前我们的图形不规则，有一个原因是数据不是连续的，使用cumsum让数据连续：

如下：

importpandasaspd importnumpyasnp importmatplotlib.pyplotasplt  ts=pd.series(np.random.randn(365),index=pd.date_range('01/01/2017',periods=365)) ts=ts.cumsum() ts.plot() plt.show()

dataframe

dataframe 相当于series 一维的一个扩展，是一种二维的数据模型，相当于excel表格中的数据，有横竖两种坐标，横轴很series 一样使用index，竖轴用columns 来确定，在建立dataframe 对象的时候，需要确定三个元素：数据，横轴，竖轴。

df=pd.dataframe(np.random.randn(8,6),index=pd.date_range('01/01/2018',periods=8),columns=list('abcdef')) printdf

数据如下：

abcdef 2018-01-010.7126360.546680-0.847866-0.6290052.1526860.563907 2018-01-02-1.2927991.1220980.7432930.6564120.9897382.468200 2018-01-031.7628940.783614-0.3014680.289608-0.7808440.873074 2018-01-04-0.8180661.629542-0.5954510.9101410.1609800.306660 2018-01-052.0086580.456592-0.8395971.6150130.718422-0.564584 2018-01-060.4808930.724015-1.076434-0.2537310.337147-0.028212 2018-01-07-0.6725010.739550-1.3160941.118234-1.456680-0.601890 2018-01-08-1.028436-1.036542-0.4590441.321962-0.198338-1.034822

在数据分析的过程中，很常见的一种情况是数据直接从excel 或者cvs 过来，可以excel中读取数据到dataframe ，数据在 dataframe 中进行处理：

df=pd.read_excel('data.xlsx',sheet_name='sheet1') printdf

同样的有保存数据到excel 中 to_excel。

处理cvs数据的函数是：read_cvs 和 to_cvs ，处理hdf5的函数为 read_hdf 和 to_hdf 。

访问dataframe 可以跟二位数组一样的访问方式：

printdf['a']

带出横轴标签：

2018-01-010.712636 2018-01-02-1.292799 2018-01-031.762894 2018-01-04-0.818066 2018-01-052.008658 2018-01-060.480893 2018-01-07-0.672501 2018-01-08-1.028436

同样的可以指定某一个元素：

printdf['a']['2018-01-01']

对数组进行切片出来，认清横轴和纵轴：

>>>importpandasaspd >>>df=pd.read_excel('data.xlsx',sheet_name='sheet1') >>>df[:][0:3] abcdef 2018-01-010.7126360.546680-0.847866-0.6290052.1526860.563907 2018-01-02-1.2927991.1220980.7432930.6564120.9897382.468200 2018-01-031.7628940.783614-0.3014680.289608-0.7808440.873074 >>>

看完上述内容，你们掌握pandas库怎么在python中进行安装的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注恰卡编程网行业资讯频道，感谢各位的阅读！