【数据分析】有关前文的复习
复习：
`Series`（一维）和 `DataFrame`（二维）是 Pandas 数据结构的两大核心，分别用于表示一维和二维的数据结构。它们非常适合处理结构化数据，尤其是时间序列和表格数据。下面详细介绍它们的定义、特点和常见用法。
一. `Series`
`Series` 是 Pandas 中用于表示一维数据的对象，类似于一列数据或一个带标签的数组。`Series` 的每个数据点都有一个标签（索引）。
- 创建 `Series`
| 代码示例： import pandas as pd # 创建一个简单的Series s = pd.Series([10, 20, 30, 40]) print(s) |
| 输出： 0 10 1 20 2 30 3 40 dtype: int64 |
（2）Series` 的特点
- 一维数组，包含数据和索引。
- 索引可以是标签或数字，默认为0,1,2,3，……。
- 可以包含任何数据类型（整数、浮点数、字符串等）。
(3) Series` 的具体用法
1.自定义索引:
| import pandas as pd s = pd.Series([10, 20, 30], index=['a', 'b', 'c']) print(s) |
| 输出： a 10 b 20 c 30 dtype: int64 |
2.访问索引：
| # 通过索引访问数据 print(s['a']) # 输出：10 |
| # 通过位置访问数据 print(s.iloc[0]) # 输出：10 |
3.进行数学运算：
可以对 `Series` 进行加减乘除等运算，例如：
| s = pd.Series([1, 2, 3]) print(s + 10) # 每个元素加10 |
二. `DataFrame`
`DataFrame` 是 Pandas 中用于表示二维数据的对象，类似于一个表格。它由行和列组成，每一列都是一个 `Series`，并且每一行和每一列都有对应的索引。
（1）创建 `DataFrame`
# 通过字典创建 DataFrame
| data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [24, 27, 22], 'Score': [88, 92, 95] } df = pd.DataFrame(data) print(df) |
| 输出： Name Age Score 0 Alice 24 88 1 Bob 27 92 2 Charlie 22 95 |
（2）`DataFrame` 的特点
- 表格型数据结构，有行和列。
- 每一列都是一个`Series`。
- 支持多种数据类型（每列可以是不同的数据类型）。
（3）`DataFrame` 的具体用法
选择一列数据，返回 `Series`：print(df['Name']) 选择多列数据，返回 `DataFrame`：print(df[['Name', 'Score']]) |
| 2.基于条件筛选：（数据分析重要操作） # 筛选年龄大于23的数据 filtered_df = df[df['Age'] > 23] print(filtered_df) |
| 3.添加新列：（数据分析重要操作） # 添加一列新的数据 df['Passed'] = df['Score'] > 90 print(df) 输出： Name Age Score Passed 0 Alice 24 88 False 1 Bob 27 92 True 2 Charlie 22 95 True |
| 4.删除行或列： # 删除 "Age" 列 df = df.drop(columns=['Age']) print(df) # 删除第一行 df = df.drop(index=0) print(df) |
| 5.统计和汇总：（需要其他计算时，要自行学习） # 计算平均值 print(df['Sc.mean()) # 描述统计信息ore'] print(df.describe()) |
| 6.数据透视表（Pivot Table）： #DataFrame` 提供了类似 Excel 的数据透视表功能，非常适合数据汇总和分析。 # 创建一个例子 DataFrame data = { 'Name': ['Alice', 'Bob', 'Alice', 'Bob'], 'Subject': ['Math', 'Math', 'Science', 'Science'], 'Score': [85, 90, 88, 95] } df = pd.DataFrame(data) # 创建数据透视表 pivot = df.pivot_table(values='Score', index='Name', columns='Subject') print(pivot) 输出： PS C:\Users\DELL\Desktop> python "D:\数据分析\# 创建一个例子 DataFrame.py" Subject Math Science Name Alice 85.0 88.0 Bob 90.0 95.0 PS C:\Users\DELL\Desktop> PS C:\Users\DELL\Desktop> |
三．总结
Series：适合一维数据处理，例如单列数据。
DataFrame：适合二维数据处理，功能丰富，支持数据选择、条件筛选、数学运算、统计分析和数据透视表。
代码具体分析：
| .dt datetime类型的数据要先通过后缀.dt转化。只有在Series和DataFrame中，列索引筛选的数据进行格式转换时，才需要.dt。
| import pandas as pd df= pd.read_csv("/Users/time/电商数据.csv", usecols=[9,10]) df["create_time"] = pd.to_datetime(df["create_time"]) df["pay_time"] = pd.to_datetime(df["pay_time"]) df["create_time"] = df["create_time"].dt.strftime("%Y-%m") df["pay_time"] = df["pay_time"].dt.strftime("%Y-%m") print(df) |
复习：.dt 的常见用法
假设我们有一个包含日期的 Series 数据：
- 提取日期信息
import pandas as pd
# 创建一个包含日期的 Series
dates = pd.Series(pd.to_datetime(['2024-01-01', '2024-02-15', '2024-03-30']))
# 提取年份
print(dates.dt.year)
# 提取月份
print(dates.dt.month)
# 提取季度
print(dates.dt.quarter)
- 年份：
.dt.year - 月份：
.dt.month - 日：
.dt.day - 星期几：
.dt.dayofweek（0=星期一, 6=星期日） - 季度：
.dt.quarter
2. 提取时间信息
如果 Series 包含时间部分，还可以使用 .dt 提取时间属性：
- 小时：
.dt.hour - 分钟：
.dt.minute - 秒：
.dt.second
# 创建包含日期和时间的 Series
times = pd.Series(pd.to_datetime(['2024-01-01 08:30:00', '2024-02-15 14:45:00', '2024-03-30 23:59:59']))
# 提取小时
print(times.dt.hour)
# 提取分钟
print(times.dt.minute)
3. 时间间隔计算
如果处理的是时间间隔数据类型 timedelta64，.dt 提供以下属性：
- 总秒数：
.dt.total_seconds() - 天数：
.dt.days - 小时：
.dt.components.hours
# 计算两个日期之间的差
date_diff = dates - dates.min()
print(date_diff.dt.days) # 计算日期间隔的天数
| strftime() 通过后缀.dt转化后，再通过strftime()函数转为字符串。 函数内传入的参数，是需要转换的指定格式。 | df["create_time"] = pd.to_datetime(df["create_time"]) df["pay_time"] = pd.to_datetime(df["pay_time"]) df["create_time"] = df["create_time"].dt.strftime("%Y-%m") df["pay_time"] = df["pay_time"].dt.strftime("%Y-%m") print(df) |
总结
1.pd.to_datetime() 是一个功能强大的工具，可以方便地将各种格式的数据转换为 Pandas 日期时间格式，使得日期时间处理更为简单。
2. `strftime()` 是用于格式化日期时间的函数，常见于 Python 的 `datetime` 模块。通过 `strftime()`，可以将 `datetime` 对象转换为自定义格式的字符串。