python基础笔记(二)_pandas的基础语法

数据分析工具包：Pandas

基础序列

• 一维数组：Series
  • Series 是带有标签的一维数组，可以保存任何数据类型,轴标签统称为索引
    • .index查看series索引，类型为rangeindex
    • .values查看series值，类型是ndarray
  • 创建方法
    • 由字典创建，字典的key就是index，values就是values
    • 数组创建(一维数组)，默认index是从0开始，步长为1的数字
    • 由标量创建，如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度
  • 名称属性
    • name为Series的一个参数，创建一个数组的 名称
    • .name方法：输出数组的名称，输出格式为str，如果没用定义输出名称，输出为None
    • .rename()重命名一个数组的名称，并且新指向一个数组，原数组不变
  • 索引方式
    • 位置下标，类似序列
      • 位置下标从0开始
      • 输出结果为numpy.float格式，
      • 可以通过float()函数转换为python float格式
      • s[-1]结果报错，不存在负索引
    • 标签索引
      • 方法类似下标索引，用[]表示，内写上index，注意index是字符串
      • 如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表）
      • 多标签索引结果是新的数组
    • 切片索引
      • 用index做切片是末端包含
      • 有索引值时可选择-1索引，无规定索引时不可访问-1项
    • 布尔型索引
      • 比较运算符
      • .isnull() 判断是否为空值
      • .notnull() 判断是否不是空值
  • 基本操作
    • 数据查看
      • .head() 查看头部数据
      • .tail() 查看尾部数据
      • 默认查看5条，若需改变，直接填入数字即可
    • 重新索引
      • .reindex将会根据索引对字段重新排序，如果当前索引不存在，则引入缺失值
      • 以列表传入
      • 索引不存在时，以缺失值体现NaN
      • fill_value参数：填充缺失值的值
    • 对齐
      • s1 + s2 , Series 上的操作会根据标签自动对齐
      • index顺序不会影响数值计算，以标签来计算
      • 空值和任何值计算结果扔为空值
    • 删除
      • .drop ，删除元素之后返回副本(inplace=False)
      • 参数传入索引值，有多个值时用[]
    • 添加
      • 通过.append方法，直接添加一个数组
      • .append方法生成一个新的数组，不改变之前的数组
    • 修改
      • 通过索引直接修改，类似序列
• 二维数组：DataFrame
  • 是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等
  • 创建方法
    • 由数组/list组成的字典
      • columns为字典key，index为默认数字标签
      • columns参数：可以重新指定列的顺序，格式为list，如果现有数据中没有该列（比如'f'），则产生NaN值
      • 如果columns重新指定时候，列的数量可以少于原数据
      • index参数：重新定义index，格式为list，长度必须保持一致
    • 由Series组成的字典
      • columns为字典key，index为Series的标签（如果Series没有指定标签，则是默认数字标签）
      • Series可以长度不一样，生成的Dataframe会出现NaN值
    • 通过二维数组直接创建
      • 得到一样形状的结果数据，如果不指定index和columns，两者均返回默认数字格式
      • index和colunms指定长度与原数组保持一致
    • 由字典组成的列表
      • columns为字典的key，index不做指定则为默认数组标签
      • colunms和index参数分别重新指定相应列及行标签
    • 由字典组成的字典
      • columns为字典的key，index为子字典的key
      • columns参数可以增加和减少现有列，如出现新的列，值为NaN
      • index在这里和之前不同，并不能改变原有index，如果指向新的标签，值为NaN （非常重要！）
  • 索引方式
    • 既有行索引也有列索引，可以被看做由Series组成的字典（共用一个索引）
    • 选择行与列
      • 按照列名选择列，只选择一列输出Series，选择多列输出Dataframe
      • 用.loc选择行&#x