pandas之常用属性、方法和函数

一、简介

 这里简单介绍了创建Series和DataFrame的几种方法，这里简单介绍了查找数据的几种方法，这里简单介绍了pandas汇总和计算描述统计的几种方法。本文继续介绍一些pandas常用的属性、方法和函数。

二、常用的属性、方法和函数

先创建一个DataFrame，作为例子演示用。

import pandas as pd

data = {
   'name': ['apolo', 'adm', 'bolon', 'ali', 'cathy', 'devn', 'elov'],
        'age': [18, 29, 32, 28, 34, 19, None],
        'sex': ['male', 'female', 'male', 'male', 'female', 'male', 'female'],
        'weight': [67, 78, 87, 59, 90, 101, 78],
        'height': [170, 189, 190, 179, None, 160, 185]}
df = pd.DataFrame(data, index=['a', 'b', 'c', 'd', 'e','f', 'g'])
df

输出：

    name	age	    sex	weight	height
a	apolo	18.0	male	67	170.0
b	adm	    29.0	female	78	189.0
c	bolon	32.0	male	87	190.0
d	ali	    28.0	male	59	179.0
e	cathy	34.0	female	90	NaN
f	devn	19.0	male	101	160.0
g	elov	NaN	   female	78	185.0

2.1 shape

返回Series和DataFrame的大小。

DataFrame

df.shape

输出：是个元组类型，可继续用df.shape[0]获取第一个值，用df.shape[1]获取第二个值

(7, 5)

Series

df['age'].shape

输出：是个元组类型，可继续用df.shape[0]获取第一个值，但不能用df.shape[1]获取第二个值

(7,)

2.2 排序

pandas中的排序一般用的比较多的有三种：索引排序——sort_index()，值排序——sort_values，排名——rank()，接下来逐一介绍：

2.2.1 索引排序——sort_index()

索引排序，顾名思义就是将数据按照索引名进行排序，下面给出几个例子具体说明一下。

原DataFrame:

    name	age	    sex  weight height
a	apolo	18.0	male	67	170.0
i	adm	    29.0	female	78	189.0
c	bolon	32.0	male	87	190.0
d	ali	    28.0	male	59	179.0
h	cathy	34.0	female	90	NaN
f	devn	19.0	male	101	160.0
g	elov	NaN	  female	78	185.0

df.sort_index()

输出：默认是对行索引进行升序排列。可通过设置axis=1按照列索引名排序，此时会改变列的顺序，而不是行的顺序。可通过设置ascending=False进行降序排列。默认的是不改变原df的顺序，可通过设置inplace=True进行改变原df的顺序。Series也类似，只不过不能设置axis=1。

    name	age	    sex	  weight height
a	apolo	18.0	male	67	170.0
c	bolon	32.0	male	87	190.0
d	ali	    28.0	male	59	179.0
f	devn	19.0	male	101	160.0
g	elov	NaN	    female	78	185.0
h	cathy