pandas学习笔记(二)

import pandas as pd

data = {
    'class':['一班','二班','三班'],
    'student':['小明','小红','小华'],
    'score':[70.0,80.0,90.0],
}
frame = pd.DataFrame(data,    columns=['student','score','class'],index=['老大','老二','老三'])
frame

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班
老三	小华	90.0	三班

#查看索引对象 索引对象不可变
frame.index

Index(['老大', '老二', '老三'], dtype='object')

#索引可包含重复值
frame2 = pd.DataFrame(range(5),index=['a','b','c','a','c'])
frame2

	0
a	0
b	1
c	2
a	3
c	4

#重建索引,不存在则为空
frame3 = frame.reindex(['老大', '老二', '老三','老四'])
frame3

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班
老三	小华	90.0	三班
老四	NaN	NaN	NaN

#填充缺失值 ffill向前填充 指定缺失值fill_value=0
frame4 = frame.reindex(['老大', '老二', '老三','老四'],fill_value=0)
frame4

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班
老三	小华	90.0	三班
老四	0	0.0	0

#重建列索引
columns = ['学生','分数','class']
frame.reindex(columns=columns)

	学生	分数	class
老大	NaN	NaN	一班
老二	NaN	NaN	二班
老三	NaN	NaN	三班

#删除某行
frame.drop('老三')

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班

#删除某列
frame.drop('class',axis=1)

	student	score
老大	小明	70.0
老二	小红	80.0
老三	小华	90.0

索引方法loc&iloc

data.loc[行索引名,列索引名]
data.iloc[行数字，列数字] 从0开始

frame.loc['老大','score']

70.0

frame.iloc[2,1]

90.0

函数用法

f = lambda x: x
frame['score'].apply(f)

老大    70.0
老二    80.0
老三    90.0
Name: score, dtype: float64

#排序
frame.sort_index()

	student	score	class
老三	小华	90.0	三班
老二	小红	80.0	二班
老大	小明	70.0	一班

#根据列名排序，改为降序排序
frame.sort_index(axis=1,ascending=False)

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班
老三	小华	90.0	三班

#根据值排序
frame.sort_values(by = 'score')

	student	score	class
老大	小明	70.0	一班
老二	小红	80.0	二班
老三	小华	90.0	三班

描述统计方法

data = {
    'class':['一班','二班','三班'],
    'student':['小明','小红','小华'],
    'score':[70.0,80.0,90.0],
    'age':[5,7,9],
    
}
frame = pd.DataFrame(data, columns=['student','score','class','age'],index=['老大','老二','老三'])

#查看数值类型列汇总统计信息
frame.describe()

	score	age
count	3.0	3.0
mean	80.0	7.0
std	10.0	2.0
min	70.0	5.0
25%	75.0	6.0
50%	80.0	7.0
75%	85.0	8.0
max	90.0	9.0

#查看数据基本信息
frame.info()

<class 'pandas.core.frame.DataFrame'>
Index: 3 entries, 老大 to 老三
Data columns (total 4 columns):
student    3 non-null object
score      3 non-null float64
class      3 non-null object
age        3 non-null int64
dtypes: float64(1), int64(1), object(2)
memory usage: 120.0+ bytes

#计算非NA的个数
frame.count()

student    3
score      3
class      3
age        3
dtype: int64

#连续变量的相关系数
frame.corr()

	score	age
score	1.0	1.0
age	1.0	1.0

#协方差矩阵（cov)
frame.cov()

	score	age
score	100.0	20.0
age	20.0	4.0