pandas学习(一)

为什么要学pandas

numpy只能够帮助处理数值型数据

而pandas还可以处理其他数据，如字符串，时间序列

pandas的常用的数据类型

1.Series，一维，带标签数组
2.DataFrame，二维，Series容器

先来看看Series

什么是带标签？

我们先来创建一个Series数组

import pandas as pd

t = pd.Series([1,3,4,5])

print(type(t))

print(t)

其实标签就是索引

但是这索引可以指定，可以为字符串

import pandas as pd

t = pd.Series([1,3,4,5],index=list('abcd'))

print(t)

---

还可以通过字典来创建一个Series

import pandas as pd

temp_dict = {'name':'xiaoming','age':30,'tel':12345}

t = pd.Series(temp_dict)

print(t)

修改dtype

.astype('int')

和numpy中一样

Series的切片和索引

和numpy中一样

import pandas as pd

temp_dict = {'name':'xiaoming','age':30,'tel':12345}

t = pd.Series(temp_dict)

print(t)
print("*"*50)

# 取某行，通过标签或者索引都可以
print(t['age'])
print(t[0])

print("*"*50)

# 取连续多行
print(t[1:])

print("*"*50)
# 取不连续的多行
print(t[[0,2]])

---

bool 索引

import pandas as pd

t = pd.Series(range(10))
print(t)

print(t[t<5])

---

Series索引和值

Series可以取出索引和值

import pandas as pd

t = pd.Series(range(5),index=['a','b','c','d','e'])
print(t)

print(t.index)
print(type(t.index))
print(t.values)
print(type(t.values))

numpy中很多方法都使用与pandas中

pandas读取外部数据

可以读取数据库，excel，csv等很多文件

比如读取csv文件

pd.read_csv('file_path')

DataFrame

创建DataFrame

import pandas as pd
import numpy as np

t = pd.DataFrame(np.arange(12).reshape(3,4))

print(t)

不仅有行索引index

还有列索引columns

指定索引

import pandas as pd
import numpy as np

t = pd.DataFrame(np.arange(12).reshape(3,4),index=list('abc'),columns=list('wxyz'))

print(t)

---

通过字典创建DataFrame

import pandas as pd

d = {'name':['hong','ming'],'age':[20,30],'tel':[10043,12345]}

t = pd.DataFrame(d)
print(t)

每一行是一条记录，每一列的数据类型相同

如果有些值是缺失的，那么对应的值为 NaN

DataFrame中描述信息

排序
df.sort_values(by='列索引')

DataFrame索引和切片

取行，取前20行 df[:20]

取列，df["列索引"]

方括号写数字表示行，字符串表示列

---

同是对行和列操作

df.loc 通过标签索引获取数据
df.iloc 通过位置索引获取数据

注意是闭合的

---

pandas之布尔索引

pandas之字符串方法

缺失数据处理

数据缺失通常有两种情况：

一种就是空，None等，在pandas是NaN(和np.nan一样)
另一种就是我们让其为0

判断数据是不是Nan: pd.isnull(df) , pd.notnull(df)