pandas数据处理

1、读取文件

（1）读取csv文件：

csv1 = pd.read_csv(fpath)

（2）读取txt文件：

txt1 = pd.read_csv(

        fpath,        #文件路径

        sep='\t',        #分隔符

        header=None        #有无标题行

        names=['one','two','three'])        #可自定义列名

其中，

2、读取后查看数据信息

.shape：查看行列数

.columns：查看索引列名（返回的是一个列表？）

.index：查看索引行名

.dtypes：查看每列的数据类型

.head()：查看前几行数据

3、数据结构

（1）Series：一维数据，一行或一列，有行索引（index）和值（values）

创建Series：

1、可用列表直接创建，索引默认为顺序数字

s1 = pd.Series(['a',1,2,'b',3])

2、创建具有标签索引的Series

s2 = pd.Series([['a',1,2,'b',3], index=['a','b','c','d',1]

3、用python字典创建Series

sdata为字典变量

则s3 = pd.Series(sdata)可直接创建一个以键为索引，值为值的Series

获取Series中内容

.index：获取行索引

.values：获取值

使用标签直接获取值：s2['a']

注：在多个标签一次性获取多个值时需要用双括号，s2[['b','a']]，此时返回值也为一个Series，而获取单个仅返回值

（2）DataFrame：是一个二维表，有行索引（index）、列索引（columns）、值（values）。可看作由Series组成的字典

创建DataFrame：

1、见读取文件

2、直接用多个列索引+列表创建

df = {

'ones':[1,2,3,4,5]

'two':['a','b','c','d','e']

}

则最后每个列表变为一列，行索引默认为顺序数字

（3）从DataFrame中查询数据：查询一列/一行结果为一个Series，查询多列/行结果为一个DataFrame

1、df['列名']：直接查询一列，此时的index为行名

2、df[['列名1','列名2']]：查询多列

3、df.loc[1]：查询一行，此时的index为列名

4、df.loc[1:3]：查询多行（左闭右闭）

4、pandas数据查询：

1、df.loc：根据行、列的标签值查询（又能查询又能覆盖写入）

2、df.iloc：根据行、列的数字位置查询

3、df.where

4、df.query