pandas从入门到持续使用

1. Pandas数据结构

Pandas处理三种数据结构-

• 系列（Series）
• 数据帧（DataFrame）
• 面板（Panel）

维度和描述-较高维度数据结构是较低纬度数据结构的容器

数据结构	维度	描述
系列	1	均匀数据的一维数组结构，尺寸大小不可变，数据的值可变
数据帧	2	具有异构数据的二维数组或表，大小可变，数据可变
面板	3	具有异构数据的三维数据结构，图形很难表示，大小可变，数据可变

2. 对象创建

* 系列对象创建

pandas.Series(data,index,dtype,copy)
参数|描述
data|数据，可以采用各种形式，入ndarray，list，constants
index|索引值必须是唯一和散列的。默认np.arange(n),默认是数字，可以用数组创建
dtype|数据类型。如果没指定，自动推断
copy|复制数据，默认false

创建一个空的系列

import pandas as pd
s = pd.Series()
print(s)

从数组(ndarray)创建一个系列

如果数据是ndarray，则传递的索引必须具有相同的长度，如果没有传递索引，默认是数字

import pandas as pd
import numpy as np
data =np.array([“a”,“b”,"c","d"])
s = pd.Series(data)
print(s)
...
输出：
0   a
1   b
2   c
3   d
dtype: object

从字典创建一个系列

字典dict可以作为输入传递，如果没有指定索引，则按排序顺序取得字典键以构造索引。 如果传递了索引，则与字典键对应的值被拉出，没有值的填NaN

import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)
...
输出：
a 0.0
b 1.0
c 2.0
dtype: float64

---

import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data,index=['b','c','d','a'])
print(s)
...
输出：
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64

从标量创建一个系列

如果数据是标量值，则必须提供索引。将重复该值以匹配索引的长度。

import pandas as pd
import numpy as np
s = pd.Series(5, index=[0, 1, 2, 3])
print(s)
...
输出：
0  5
1  5
2  5
3  5
dtype: int64

从具有位置的系列中访问数据

s[num] 具体位置的数据
s[a:b] 取a到b之间不包括b的数据,其中a或b不填，默认是最后。比如s[a:]是指从a到最后的数据
s[-a:-b] a和b是可以取负数的,是从后边开始算
s['index'] 取当前索引的值
s['index1','index2','index3'] 取多个索引的值，以列表显示

* 数据帧对象创建

pandas.DataFrame( data, index, columns, dtype, copy)
参数|描述
data|数据可以是：ndarray，series，map，lists，dict，constant和DataFrame。
index|行标签，默认传数值
columns|列标签，默认传-np.arrange(n)。
dtype|每列的数据类型
copy|默认false，复制数据。