pandas数据分析

​ Pandas 是一种基于NumPy的开源的数据分析工具包，提供了高性能、简单易用的数据结构和数据分析函数。
​

1、Series对象

​（1）定义和创建
（2）数据访问
（3）常用方法
​

(1) 定义和创建

​    Series 对象是一种带有标签数据的一维数组，标签在Pandas中有对应的数据类型“Index”，Series类似于一维数组与字典的结合。

#导入库
import pandas as pd   #导入数据分析库pandas别名为pd
import numpy as np    #导入科学计算库numpy别名为np
import matplotlib.pyplot as plt  #导入数据可视化库matplotlib的模块pyplot 别名为plt
data = pd.Series([6,8,3,4,32],index =[ 'a','b','c','d','e'])   #创建对象data,默认标签序号0，1，2...,但也可以自己定义
data
data = pd.Series([6,8,3,4,32],index = list('dfghe'))   #将字符串强行转换成列表
data
data.index   #访问标签，属性后面没有小括号
data.values  #访问对象数据
data.ndim  #维度
data.shape #Series对象的形状，返回的是元祖
data.size  #Series对象的个数
names = ['aa','cc','dd','bb','ee']
ages = [56,45,89,32,65]
pd.Series(ages,names)
data = pd.Series({'aa':56,'cc':45,'dd':89,'bb':32,'ee':65})  #用字典{}"键值对"创建Series对象
print(data)  #打印对象内容
data  #内存输出，将被后面数据覆盖
data_1 = pd.Series(np.arange(10,30,5),index = list('abcd'))   #用科学计算库生产数据创建Series
data_1

(2)数据访问

data_1.index
data_1.values
data_1.keys()   #作为字典键keys()方法访问
list(data_1.items())  #作为键值对items()方法访问

(3)常用方法

data.sort_values()  #根据对象数据排序,不改变原有对象
data.sort_index() #根据对象标签排序
data.rank()   #根据对象数据排序
data  #原有对象不变
data[2]