数据分析的Pandas_objects

导入pandas@H_404_1@

import pandas as pd
from pandas import Series,DataFrame
import numpy as np

1.Series@H_404_1@

　　Series是一种类似与一维数组的对象，由下面两个部分组成：@H_404_1@

　　　　values：一组数据（ndarray类型）@H_404_1@

　　　　index：相关的数据索引标签@H_404_1@

1.1 Series的创建@H_404_1@

　两种创建方式:
　　由列表或numpy数组创建
@H_404_1@

　　　　默认索引为0到N-1的整数型索引@H_404_1@

#使用列表创建Series
Series(data=[1,2,3,4,5])

#使用numpy创建Series
Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo')

　　　　可以通过设置index参数指定索引@H_404_1@

　　由字典创建：不能在使用index，但是依然存在默认索引@H_404_1@

　　　　注意：数据源必须为一维数据@H_404_1@

dic = {
    '语文':100,
    '英语':99
}
s = Series(data=dic)

1.2 Series的索引和切片@H_404_1@

　　可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。@H_404_1@

　　显式索引：@H_404_1@

　　　　使用index中的元素作为索引值@H_404_1@

　　　　使用s.loc[ ] 注意：loc中括号中放置的一定是显示索引@H_404_1@

　　注意：此时是闭区间@H_404_1@

s.iloc[1]

　　隐式索引：@H_404_1@

　　　　使用整数作为索引值@H_404_1@

　　　　使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引@H_404_1@

　　注意：此时是半开区间@H_404_1@

切片：隐式索引切片和显示索引切片@H_404_1@

　　显示索引切片： index和loc@H_404_1@

s.iloc[0:2]

　　隐式索引切片：整数索引值和iloc@H_404_1@

1.3 Series的基本概念@H_404_1@

　　可以把Series看成一个定长的有序字典@H_404_1@

　　向Series增加一行：相当于给字典增加一组键值对@H_404_1@

　　可以通过shape，size，index,values等得到series的属性@H_404_1@

s.index

s.values

　　可以使用s.head(),tail()分别查看前n个和后n个值@H_404_1@

s.head(1)

　　对Series元素进行去重@H_404_1@

s = Series(data=[1,1,2,2,3,3,4,4,4,4,4,5,6,7,55,55,44])
s.unique()

　　　　当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况@H_404_1@

　　使得两个Series进行相加:索引与之对应的元素会进行算数运算,不对应的就补空@H_404_1@

s1 = Series([1,2,3,4,5],index=['a','b','c','d','e'])
s2 = Series([1,2,3,4,5],index=['a','b','f','c','e'])
s = s1+s2
s

　　可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据@H_404_1@

s.notnull()

s[s.notnull()]

1.4 Series的运算@H_404_1@

　　 + - * /@H_404_1@

　　 add() sub() mul() div() : s1.add(s2,fill_value=0)@H_404_1@

s1.add(s2)

　　Series之间的运算@H_404_1@

　　　　在运算中自动对齐不同索引的数据@H_404_1@

　　　　如果索引不对应，则补NaN@H_404_1@

2. DataFrame@H_404_1@

　　DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。@H_404_1@

　　行索引：index@H_404_1@

　　列索引：columns@H_404_1@

　　值：values@H_404_1@

2.1 DataFrame的创建@H_404_1@

　　最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。@H_404_1@

　　此外，DataFrame会自动加上每一行的索引。@H_404_1@

　　使用字典创建的DataFrame后，则columns参数将不可被使用。@H_404_1@

　　同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。@H_404_1@

　　使用ndarray创建DataFrame@H_404_1@

DataFrame(data=np.random.randint(0,100,size=(5,6)))

DataFrame的属性： values、columns、index、shape@H_404_1@

df.values

df.index

　　使用ndarray创建DataFrame：创建一个表格用于展示张三，李四，王五的java，python的成绩@H_404_1@

dic = {
    '张三':[77,88,99,90],
    '李四':[67,88,99,78]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df

2.2 DataFrame的索引@H_404_1@

　　对列进行索引@H_404_1@

　　　　通过类似字典的方式 df ["q"]@H_404_1@

　　　　通过属性的方式 df.q@H_404_1@

　　可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。@H_404_1@

df['张三']

df.张三

df[['李四','张三']]

#修改列索引
df.columns = ['zhangsan','lisi']
df

　　对行进行索引@H_404_1@

　　　　使用.loc [ ] 加index来进行行索引@H_404_1@

　　　　使用.iloc [ ] 加整数来进行行索引@H_404_1@

　　同样返回一个Series，index为原来的columns@H_404_1@

df.iloc[[0,1]]

　　对元素索引的方法@H_404_1@

　　　　使用列索引@H_404_1@

　　　　使用行索引(iloc[3,1] or loc["C", "q"]) 行索引在前，列索引在后@H_404_1@

df.iloc[0,1]

切片：@H_404_1@

　　注意：直接用中括号时@H_404_1@

　　　　　索引表示的是列索引@H_404_1@

　　　　　切片表示的是行切片@H_404_1@

df[0:2]

在loc和iloc中使用切片(切列)： df.loc['B','C','丙', '丁‘]@H_404_1@

df.iloc[:,0:1]

　　DataFrame的运算@H_404_1@

　　　　在运算中自动对齐不同索引的数据@H_404_1@

　　　　如果索引不对应，则补NaN@H_404_1@

df.loc['数学','zhangsan'] = 0

df['lisi'] += 100

df += 10

(df+df)/2

@H_404_1@

数据分析的Pandas_objects

相关推荐