pandas入门复习-基础数据类型

Series（系列）

认识Series

"""
Series：
1、认识Series（系列）
    可以看做是竖起来的Series
2、操作Series

"""
import pandas as pd

#生成一个Series【按默认的index 】
s_1 = pd.Series([1,2,3,4,5])
print(s_1)

#自定义index
s_2 = pd.Series([1,2,3,4,5], index = list('ABCDE'))
print(s_2)
'''
A    1
B    2
C    3
D    4
E    5
'''

s_3 = pd.Series(['Lily','Rose','Jack'])

#Series的属性
s_1.index
s_2.index
s_3.values

操作Series

"""
Series：
1、认识Series（系列）
    可以看做是竖起来的Series
"""
import pandas as pd

#生成一个Series【按默认的index 】
s_1 = pd.Series([1,2,3,4,5])
print(s_1)
dic_1 = {'name':'daxian','age':18,'job':'teacher'}
s_4 = pd.Series(dic_1)#键是index，键值是Series值

#自定义index
s_2 = pd.Series([1,2,3,4,5], index = list('ABCDE'))
print(s_2)
'''
A    1
B    2
C    3
D    4
E    5
'''

s_3 = pd.Series(['Lily','Rose','Jack'])

#Series的属性
s_1.index
s_2.index
s_3.values

##################################################
'''
2、操作Series
'''
'''
2.1通过标签访问
'''
#访问某个元素
s_2['D']
#访问多个元素【切片】
s_2['B':'D']
#访问多个元素
s_2[['A','D']]

'''
2.2通过索引访问
'''
s_2[0]
s_2[0:2]
s_2[[0,2]]

'''
2.3增
'''
#s_
2.append('2')  s_2和‘2’不是一个数据类型，不能添加
s_3 = pd.Series([6],index = ['F'])
s_2 = s_2.append(s_3)#append需要赋值使用，不然s_2只是打印出来添加
#s_2.insert(1,s_3) 不能使用insert

'''
删除
'''
s_2 = s_2.drop(['A'])

print('Jim' != s_3)

'''
改
'''
s_2[0] = 5
s_2[1:] = 4

'''
重置索引
'''
s_2.index = range(0,len(s_2))

DataFrame

认识DataFrame

"""
DataFrame(数据框)
就是excle表（多个Series拼接）
"""
import pandas as pd

#利用字典创建DataFrame,键是columns
df_1 =pd.DataFrame({'name':['tim','rose','jack'],
                    'age':[1,2,3],
                    'income':[100,200,300]},
                    index = ['person01','person02','person03'])
print(df_1)

'''
DataFrame的属性
'''
#行索引
df_1.index
#列名
df_1.columns
#值
df_1.values

操作DataFrame

（一）

"""
DataFrame操作
"""

import pandas as pd


df_1 = pd.DataFrame({'name':['tim','rose','jack'],
                    'age':[1,2,3],
                    'income':[100,200,300]},
                    index = ['person01','person02','person03'])

#修改列名
print(df_1.columns)
df_1.columns = range(0,len(df_1.columns))
print(df_1.columns)

#精准修改
df_1.rename(columns = {'name':'名字','age':'年龄'},inplace = True)

#修改行名
print(df_1.index)
df_1.index = range(0,len(df_1.index))
print(df_1.index)

#增加一列
df_1['pay'] =[10,20,30]

#在任意位置增加一列
df_1.insert(0,'pay',df_1.pop('pay'))

（二）

########################################
'''
增加一行
'''
df_1.loc['person4',['pay',0,1,2]]  = [40,'kitty',20,400]

#访问某列
df_1.pay
#访问某些列
df_1[['pay',1]]

#在原数据上删除
del df_1[1]

#删除列
data = df_1.drop('pay',axis = 1, inplace = False )#为False时不在原始数据上修改

#删除列
df_1.drop(1,axis = 0 ,inplace = True)

查询数据框的三种方法

"""
loc()
iloc()
ix()
"""
import numpy as np
import pandas as pd

#生成指定日期
dates = pd.date_range('2020-01-01',periods = 5)
df = pd.DataFrame(np.arange(30).reshape(5,6),
                  index = dates,columns = list('ABCDEF'))

'''
loc()方法
df.loc[x,y]
【标签索引】
'''
#打印某个值
df.loc['2020-01-02','A']

#打印某列值和某些列
df.loc[:,'A']
df.loc['2020-01-03':'2020-01-05','A':'C']
df.loc['2020-01-03':,['B','D']]

#打印某行和某些行
df.loc['2020-01-01',:]
df.loc['2020-01-01':'2020-01-03',:]
df.loc['2020-01-03':,:]

'''
iloc[]
位置索引
'''
#获取某个数据
df.iloc[1,2]
#获取某列
df.iloc[:,2]
#获取某些列
df.iloc[:,[1,3,5]]
df.iloc[:,2:4]
#获取某行
df.iloc[1,:]
#获取某些行
df.iloc[[1,3,4],:]
df.iloc[1:3,:]

'''
ix方法(被弃用)
混合索引
'''
#访问某些元素
df.ix['2020-01-01':'2020-01-03',[1,3]]
#访问某列
df.ix[:,2]
#访问某些列
df.ix[:,[2,4]]
df.ix[:,2:4]
#访问某行
df.ix[1,:]
#访问某些行
df.ix[[1,3],:]

DataFrame常见操作

"""
DataFrame常见操作
"""
import pandas as pd
dic = {'name':['kiti','beta','peter','tom'],
       'age':[20,18,35,21],         
       'gender':['f','f','m','m']
        }
df =pd.DataFrame(dic)

'''
根据年龄这一脸，进行排序【升序和降序】
'''
df.sort_values(by = ['age'])#升序
df.sort_values(by = ['age'], ascending = False)#降序

'''
值替换
'''
df['gender'] = df['gender'].replace(['m','f'],['male','female'])#没有等号赋值的话只是一个结果

'''
重新排列数据中的列
'''
cols = ['gender','name','age']
df = df.ix[:,cols]