Pandas系列学习（一）：Pandas入门

介绍

Pandas是一套用于Python的快速的，高效的数据分析工具。近年来它的受欢迎程度飙升，对于数据清洗处理与机器学习所必不可少的库。

正如Numpy提供了基础的数据类型，Pandas提供了数组的处理操作，并定义了待处理数据的基本架构，以及赋予了一系列处理基于该数据结构的数据处理方法，例如：

• 读取数据
• 调整索引
• 使用日期和时间序列
• 排序，分组，重新排序和一般数据调整
• 数据缺失值清洗填充处理等
• 数据提取、 筛选及整合（合并）

跟其他统计、绘图和机器学习模型构建等提供了处理数据的方法，例如scikit-learn、scipy、statsmodels和matplotlib等。为处理数据，必须导入的数据计算、处理的库为：

import numpy as np
import pandas as pd

Pandas定义了Series和DataFrame两种重复数据类型，Series可以看作是column，例如单变量型的数据，DataFrame可以看作是多个Series的聚合而成的。

1.Series（）

Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

• 从列表创建Series

df = pd.Series([2,5,7,98,56])
print(df)

-----------------------------
0     2
1     5
2     7
3    98
4    56
dtype: int64

使用print（）函数打印结果输出时，会输出两列值。第一列称为索引。它通常从 0 开始并一直运行到 N-1，其中 N 是Series 的大小。我们可以通过 df.shape[0] 来查看 Series 的大小。第二列是我们输入的实际数据。

• 从dict创建Series

也可以使用 Python 字典来初始化 Series。在这种情况下，Series 从 dict 的键中获取其索引,如下所示：

months = {'Jan':350,
          'Feb':560,
          'Mar':660,
          'Apr':800,
          'May':1010,
          'Jun':1320}
df1 = pd.Series(months)
print(df1)

------------------------
Jan     350
Feb     560
Mar     660
Apr     800
May    1010
Jun    1320
dtype: int64

• 从标量初始化Series

你还可以使用标量来初始化 Series。在这种情况下，Series 的所有元素都初始化为相同的值。与标量一起使用进行初始化时，可以指定索引数组。在这种情况下，Series 的大小与索引数组的大小相同。

在下面的实例中，我们使用 range() 函数来指定索引（从而指定 Series 的大小）。
 

df1 = pd.Series(5,index=range(0,6))
print(df1)

-----------------------------------
0    5
1    5
2    5
3    5
4    5
5    5
dtype: int64

• 创建Series的其他方法

2.DataFrame（）

pandas 库将 DataFrame 定义为具有行和列的二维数据，大小可变的数据结构。简而言之，你可以将 DataFrame 视为数据表，即一维格式化的二维数据，它具有以下特征：

    数据包含有多个行和列；
    每行数据是一个数据样本；
    每列数据是同一属性的数据值；
    每列中的数据通常是相同类型的数据 —— 例如，数字，字符串，日期；
    通常，与 Excel 数据集不同的是，DataFrame 避免丢失值，并且行或列之间没有间隙和空值。

 

DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

Dataframe可以是手动创建，也可以是读取文件数据来创建（如csv数据）

pd.DataFrame(np.random.randint(1,20,size=(5,4)),
                  index=['A','B','C','D','E'],
                  columns=['a','b','c','d'])