# Pandas模組與資料型態 / Series / DataFrames 學習筆記
<!-- 前言：學習的是方法，之後再去查對應的語法 -->
> [TOC]
課堂老師提供的學習方式：
閱讀官方API文件,以及查看資料型態以及方法
舉例：
```
print(type(df.loc[0,'bdy']))
print(dir(df.loc[0,'bdy']))
```
:::success
台灣行列用語與大陸用法不同
查看網路資料須留意
直行橫列
(前列,後行)
:::
---
隨筆記錄區：
pandas 最強函式： apply
numpy 的小孩：pandas
> 延伸筆記：[NUMPY Matplotlib 學習筆記](/YGK1t_tZSoOa8xHoTS2zGA)
獲得資料後讀取，產生一維或二維資料
資料格式：
1. CSV, Excel 可使用 Pandas 模組讀取
2. Text 文字檔案，使用 BIF 內建函式讀取
Pandas 專屬資料型態認識
學習如何新增/修改/刪除/排序/索引/切片
額外學習如何處理日期資料，
what is
列索引物件
行索印物件
最後將整理好的資料視覺化
可以使用的工具：
* PowerBI
* matplotlib
* seaborn
* plotly
* streamlit
* tkinter
步驟：讀取檔案，轉成 pandas 可讀取形式，修改欄位名稱，查看資料型態
產生 DataFrames 的方式
字典 key 當行索引
或是多組列資料，指定行列索引
---
# Pandas Series 一維資料物件
第一種查看方式：
使用字典建立 Series
使用字典建立 Series 時，字典的鍵成為索引，值成為數據。
官方提供的案例：
```python
import pandas as pd
d = {'a': 1, 'b': 2, 'c': 3}
ser = pd.Series(data=d, index=['a', 'b', 'c'])
print(ser)
```
output :
```
a 1
b 2
c 3
dtype: int64
```
第二種查看方式：
將資料轉成 dataframe 後
`df.dtypes` 會回傳一個 Series
裡面儲存每個欄位的資料型態
```python=
import pandas as pd
f = open("myscore.txt")
list_all = f.readlines()
# print(list_all)
score = []
# 資料預處理成 pandas 可讀取形式
for item in list_all:
a = item.split('\t')
score.append(a)
# print(a)
# print(score)
df = pd.DataFrame(score)
df.columns = ["學號","姓名","國文","英文","數學","血型","生日"]
print(type(df.dtypes))
print(df.dtypes)
print(df)
f.close()
```
# Series / dataframe 合併資料
參考資料：
https://medium.com/@hui509/pandas-新增-series-或-dataframe-bb41c4098603
https://pandas.pydata.org/docs/reference/api/pandas.concat.html#pandas.concat
要注意 series 是 一維
```python=
New = pd.Series(['USA','Canada','UK'])
# Solution1 - _append
# New_countries = city._append(New,ignore_index=True)
# 魔法函式 進階使用 先不用學
# Solution2 - concat
New_countries = pd.concat([city,New],ignore_index=True)
# ignore_index 重新索引避免重複，確保索引的連續性和唯一性
# 一維其實可以直接用串列形式，可以直接相加合併，無需使用 pd 模組也可
print(city)
print(New_countries)
```
# 修改資料型態 astype
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.astype.html#pandas.DataFrame.astype
```python=
df.columns = ["學號","姓名","國文","英文","數學","血型","生日"]
df = df.astype({"國文":"uint8"})
```
用 `df.info()` 查看表格結構
```
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 29 entries, 0 to 28
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 學號 29 non-null object
1 姓名 29 non-null object
2 國文 29 non-null uint8
3 英文 29 non-null object
4 數學 29 non-null object
5 血型 29 non-null object
6 生日 29 non-null object
dtypes: object(6), uint8(1)
memory usage: 1.5+ KB
None
```
備註：他會回傳一個新的，要重新賦予
# 新增欄位/索引資料
> df["欄位"] = list(range(1,10))
> df.loc["索引"] = list(range(1,10))
```
# numpy 自動廣播的概念
# numpy arrange
df['平均'] = 0
# df['平均'] = list(range(1,30))
```
其中要特別注意的是
Dataframe:
新增 col 直行：
df.loc[:,'直行'] 可以縮寫成 df['直行']
新增 row 橫行：
df.loc[1000] 不可以縮寫
```python=
data = {'name':['Larry','Lin'],
'bdy':['1130','1212']}
df2 = pd.DataFrame(data, index=['1', '2'])
# print(df2)
df2.loc[3, :] = ['Wang', '0101']
print(df2)
# 新增 col 'blood'
df2['blood'] = 1000
# df2[:,'blood'] 是錯誤的，真正的用法為 df2.loc[:,'blood']
print(df2)
# _append 不好用不要用，還要考慮 index
```
# concat 新增多筆資料
```
data = {'name':['Larry','Lin'],
'bdy':['1130','1212']}
df2 = pd.DataFrame(data)
# print(df2)
# 單筆資料
df2.loc[2] = ['Wang','0101']
print(df2)
# df2['blood'] = 1000
# df2[:,'blood'] = 1000
# print(df2)
# _append 不好用不要用，還要考慮 index
# 多筆資料
data2 = {'blood':['A','B','AB']}
df3 = pd.DataFrame(data2)
new = pd.concat([df2,df3], axis=1)
print(new)
# axis=0 為直向合併
```
# 刪除資料
x 沒記錄到
# 修改資料
用文字或是位置當作索引，選取位置
> .loc["行的索引值"]
```python=
# 修改資料，索引與切片
# df['平均'] = 0
# df['平均'] = list(range(1,30))
df.loc[0,'平均'] = round(( df.loc[0,'ch'] + df.loc[0,'en'] + df.loc[0,'math'] ) / 3,2)
# 用標籤選取資料
# 單行 column
df_avg = df.loc[:,'avg']
# 可簡寫成
df_avg = df['avg']
```
老師說明要區分是處理 series 還是 dataframe
網路上都在教 dataframe 的例子
下列是使用 Series 的 round 函式 (dataframe一樣有)
```python=
# 計算平均分並新增為新的一欄「平均」
df['avg'] = ( (df['ch'] + df['en'] + df['math']) / 3 ).round(2)
```
# 排序
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sort_values.html#pandas.DataFrame.sort_values
series rank
用在排名，ascending=False
```
df['rank'] = df['avg'].rank(method='min',ascending=False).astype(int)
df = df.sort_values(['rank'])
```
```
import pandas as pd
# 創建一個含有重複值的 Series
data = pd.Series([70, 90, 70, 80, 90, 70])
# 使用不同的 method 進行排名
rank_average = data.rank(method='average', ascending=False) # 平均排名
rank_min = data.rank(method='min', ascending=False) # 最低排名
rank_max = data.rank(method='max', ascending=False) # 最高排名
# 輸出結果
print("Original Data:\n", data)
print("Rank by Average:\n", rank_average)
print("Rank by Min:\n", rank_min)
print("Rank by Max:\n", rank_max)
```
dataframe rank
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.rank.html#pandas.DataFrame.rank
# series strip
https://pandas.pydata.org/docs/reference/api/pandas.Series.str.strip.html#pandas.Series.str.strip
# 日期處理
時間轉字串
str from time
https://pandas.pydata.org/docs/reference/api/pandas.DatetimeIndex.strftime.html#pandas.DatetimeIndex.strftime
Function is not implemented. Use pd.to_datetime().
str phase time
https://pandas.pydata.org/docs/reference/api/pandas.Timestamp.strptime.html#pandas.Timestamp.strptime
民國年要改成西元年
使用 apply 函式，去寫自定義 func
```python=
# Pandas BIF
# df['bdy'] = pd.to_datetime()
# 正常用法：轉換日期，並調整年份格式
# df['bdy'] = pd.to_datetime(df['bdy'], errors='coerce', format='%y-%m-%d')
# 民國轉西元 用迴圈方式
# for index, value in enumerate(df['bdy']):
# year, month, day = value.split("-") # 分割字符串得到年、月、日
# year = int(year) + 1911 # 將民國年轉換為公元年
# new_date = f"{year}-{month}-{day}" # 格式化新的日期字符串
# df.loc[index, 'bdy'] = new_date # 使用 index 更新 df
#
# df['bdy'] = pd.to_datetime(df['bdy'])
def right_date(value):
year, month, day = value.split("-")
year = int(year) + 1911
return f"{year}-{month}-{day}"
# 將民國年轉換為西元年
df['bdy'] = df['bdy'].apply(right_date)
# 然後將這些字符串轉換為 datetime
df['bdy'] = pd.to_datetime(df['bdy'])
```
pandas 有 timestamp 物件
https://timestamp.onlinealat.com
https://pandas.pydata.org/docs/reference/api/pandas.Timestamp.year.html
pandas series 有 year / month / day https://pandas.pydata.org/docs/reference/api/pandas.Series.dt.year.html#
## pandas.to_datetime
https://pandas.pydata.org/docs/reference/api/pandas.to_datetime.html#pandas-to-datetime
# DataFrame 二維資料物件
直行 columns
橫列 index
與前面一維 Series 互相比較
（未騰入筆記）
# 學習資源：
(大部分都是)用 dataframe 舉例的教學：
https://ithelp.ithome.com.tw/articles/10343746
用實際案例舉例如何操作，製圖讚讚，一系列資料科學相關文章
https://medium.com/ntu-data-analytics-club/python-advanced-一起來用-pandas-玩轉數據-6d06d805941a
Day10Learning Pandas - Series、DataFrame、Index
https://ithelp.ithome.com.tw/articles/10204656
智能股市分析師：Python股價歷史資料自動化爬蟲與分析
https://hackmd.io/@Tj7zBL4CS-CymiaJeR8Uew/SkZ8TFvB6
Google Drive
Gist
Clipboard
Sign in with Wallet
