pandas

先載入

import pandas as pd

pandas包含了numpy和matplotlib的部分功能，要用到的時候不用額外import

pandas主要包含兩種資料型別 Series 和 DataFrame

Series

Series像是能自訂索引的numpy陣列

建立：

s = pd.Series(數據)

"數據"可以是list\/tuple\/可迭代物件\/numpy陣列，內容只能是數字
默認索引是從零開始，就和一般的陣列一樣
也可以自訂索引：

s = pd.Series(數據,index=索引)

"索引"可以是list\/tuple\/可迭代物件\/numpy陣列，內容可以是任何內容，可以重複
可以使用像是numpy的方式取出資料，若取出不只一筆資料則輸出Series就和一般的陣列一樣
注意如果有用自訂索引就不一定能用數字索引
也可以像numpy的方式直接四則運算，但計算結果仍然是Series

print(s[s>0])

使用

Series有一個特別的運算可以逐個進行in計算

s.isin(物件)

isin輸出一個Series[bool]表示每個元素是否在物件中
常用於DataFrame的索引
單獨取出索引/資料：

常用方法

s.unique() # 回傳有哪些不重複的值 類型為 "numpy.ndarray"
s.value_counts() # 回傳不重複的值出現次數 類型為 "Series"

常用屬性

print(s.index)  #索引 類型為 "Index" 或其子類別
print(s.values) #資料 類型為 "numpy.ndarray"

DataFrame

DataFrame是pandas的核心功能所在
結構類似表格或試算表
包含多個有序的欄位每個欄位是固定資料型態，不同欄位可以是不同資料型態
每個欄位都是一個Series
可以用默認索引，也可以用自訂索引
Ex:

data = {"數量":[1,6,7],
       "價格":[3.49,5.25,2.22]}
index = ["蘋果","水梨","香蕉"]
df = pd.DataFrame(data,index=index)
df["總價"] = df["數量"] * df["價格"]
df

用Jupyter顯示：

匯入與匯出

DataFrame可以直接由檔案匯入/匯出至檔案
支援.csv .json .html .xlsx格式
注意：要支援.xlsx格式需要額外安裝openpyxl(不需要import)
直接pip install openpyxl就可以了
語法：

df.to_csv(檔名)           # 匯出到.csv檔
df.to_json(檔名)          # 匯出到.json檔
df.to_html(檔名)          # 匯出到.html檔
df.to_excel(檔名)         # 匯出到.xlsx檔
df = pd.read_csv(檔名)    # 匯入自.csv檔
df = pd.read_json(檔名)   # 匯入自.json檔
df = pd.read_html(檔名)   # 匯入自.html檔
df = pd.read_excel(檔名)  # 匯入自.xlsx檔

取出/顯示資料

前/後幾筆資料

用head/tail可以取出前/後幾筆資料
輸出依然是DataFrame格式

df.head(count:int=5) # 前幾筆資料，默認5筆(Series也支援此操作)
df.tail(count:int=5) # 後幾筆資料，默認5筆(Series也支援此操作)

內部資料

df.index    # 索引    類型為 "Index" 或其子類別
df.columns  # 欄位標籤 類型為 "Index" 或其子類別
df.values   # 資料    為numpy陣列

摘要

len(df)    # 有幾筆資料
df.shape   # (有幾筆資料, 有幾欄)
df.info()  # 摘要

索引

DataFrame類似於二維列表，第一維是欄位標籤
可用寫法

df[(單/多個)欄位標籤]
df.欄位標籤    #不能用於創建新欄位
df[(單/多個)欄位標籤][索引]
df.欄位標籤.索引
df[Series[bool]]
df[Series[bool]][(單/多個)欄位標籤]
df[Series[bool]].欄位標籤

若要使用類似numpy的雙索引系統，可使用：

df.loc[索引]

在此處第一維是欄位標籤，且索引要用欄位標籤和自訂索引名稱
若要用數字索引，可用：

df.iloc[索引]

排序

df.sort_values((單/多個)欄位標籤,ascending=是否遞增)

照(單/多個)欄位標籤決定排序優先程度
ascending=True為遞增排序
回傳排序過的DataFrame，不更改原來的

資料增刪

利用索引可以進行資料讀取/編輯
寫入不存在的索引可以進行資料新增
資料刪除則使用drop

df.drop((單/多個)名稱,axis=軸)

axis決定是要刪掉一些資料還是刪掉一些欄位
axis=0(默認)表示刪掉一些資料
axis=1(默認)表示刪掉一些欄位

資料視覺化

pandas有整合matplotlib的繪製圖表功能
但如果要用中文還是需要在繪圖的程式碼以前寫下

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft JhengHei']
plt.rcParams['axes.unicode_minus'] = False

繪圖語法：

df.plot(kind="類型")

#或著
df.plot.類型()

如果用的是Jupyter會在執行完此行後顯示(只能放在Cell的結尾)
其他情況可用

plt.show()

來強制顯示
可用的類型包含：

名稱 中文名稱
line 折線圖
bar 長條圖
barh 橫長條圖
box 箱形圖
hist 直方圖
kde 核密度估計圖
area 塗色折線圖
pie 圓餅圖
scatter 散佈圖
hexbin 六邊形分箱圖

部分類型需要額外參數
圓餅圖需要y="欄位名稱"來定義要畫圖的欄位
或使用subplots=True表達每一個欄位都畫一個圖
散佈圖、六邊形分箱圖需要x="欄位名稱",y="欄位名稱"來定義x,y軸
其它參數與matplotlib大致相同