Pandas
跳到导航
跳到搜索
Python Data Analysis Library
数据结构
DataFrame
df = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])
- 表格方式定义,行是 index, 列是columns,值是values
df.index df.columns df.values #二维数组
- df[0:1]调用第一行,调用列 df['col1']
- 调用行 df.loc['a'],调用1到3行:df.loc[0:2](注意df[0:2]调用的是前2行,可以调用一组指定的行df.loc[sel], sel是序列的切片index
- df.iloc[] :是index location,以二维矩阵的位置指标(即0,1,2……)作为参数。
- df.iloc[2,2],调用第二行,第二列
- 输出为markdown文件 print(df.head().to_markdown())
DataFrame和ndarray相互转换
- ndarray转Dataframe :直接用pd.Dataframe,如 dataDf=pd.DataFrame(np.arange(12).reshape(3,4))
- Dataframe 转换为ndarray: dataDF.as_matrix()或者dataDF.values
Series
- 每一项称为items,比较像字典,又分为index和values
- 默认的index是range(),所以可以从ndarray转换而来
- 可以从字典装换而来,key是变成index
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000} ser3 = Series(sdata)
- 不同Series对象可以根据索引进行匹配计算。
- 根据索引进行检索:ser3.loc['Ohio']
- Series.describe() #看这个序列数值的基本统计量
- 缺失值处理 Series.isnull(), Series.notnull(), Series.fillnull()
Index
- 比较像集合set,但是元素可以重复
io
read_csv
data=pd.read_csv('cGs_for_LAMOST.csv',comment='#') data.columns ra=data['ra'] dec=data['dec]
- 现在推荐read_csv 读普通表格了,默认总是把第一行做表头,如果没有表头用header=None
- 详见 https://blog.csdn.net/brucewong0516/article/details/79092579
- comment='#'
- sep=' '(或者'\s' ;sep='\t'(分隔符是Tab键)或者delim_whitespace=True
- usecols=[0,1,2] 读取指定列(这是在columns没有name的情况下)
- names=["col1","col2"]指定读取进去之后columns的name
read_table
:读普通的ascii文件
file=pd.read_table(path+'test1.spectrum',skiprows=range(0,6),usecols=range(3),\ delim_whitespace=True, names=('A', 'B', 'C'), dtype={'A': np.int64, 'B': np.float64, 'C': np.float64}) a=file['A'].values
- read_table('desi_kcorr.ini',header=None, sep='\s+',dtype=np.float32)
- sep='\s+'(分隔符号是空格,多个空格也行)等价于delim_whitespace=True, header=None 没有标题行,所有数都按照浮点格式
write_csv
- 例子,xmean,ymean,ystd是三个一维数组,需要输出
data={'RtoRe':xmean,'ymean':ymean,'ystd':ystd} #先生成一个字典 df=pd.DataFrame(data) df.to_csv('mydata.csv',index=False)
hdf5
- 复杂数据结构可以组合成一个hdf5结构 [1]
- 写入
store = pd.HDFStore('store.h5') #生成一个1亿行,5列的标准正态分布随机数表 df = pd.DataFrame(np.random.rand(100000000,5)) store['df'] = df ####压缩格式存储 h5 = pd.HDFStore('store_comp.h5','w', complevel=4, complib='blosc') h5['data'] = df
- 读入
- store = pd.HDFStore('Omet_CEM.h5')
- store.keys()
data=pd.read_hdf('/data/stock/test_c4.h5',key='data')
- pandas 生成的h5文件,其数据块只可以是series或者DataFrame,不支持其他格式。反过来h5py生成的h5文件其value可以直接是ndarray
#numpy数据直接写入H5文件 f = h5py.File('test-dev.h5','w') f['bndbox'] = h5_bndbox f['imgname'] = h5_imgname f.close()
- 打开h5文件出错:'Resource temporarily unavailable',一般是因为打开了文件接口没有关闭,可以强行用一下模式进行
os.environ["HDF5_USE_FILE_LOCKING"] = "FALSE"
- pd.read_hdf和pd.HDFstore的效果好像不一样(碰到HDFStore生成的文件用前者读取出错)
pickle
- 使用DataFrame的to_pickle属性就可以生成pickle文件对数据进行永久储存
df = pd.DataFrame(np.arange(20).reshape(4,5)) df.to_pickle('foo.pkl') pd.read_pickle('foo.pkl')