2019_8_22 pandas学习

from pandas import Series, DataFrame import pandas as pd
因为Series和DataFrame用的非常多，所以将其引入本地命名空间中更方便。

Series:
只存储相同的数据类型，这样可以更有效地使用内存。
就像表格型数据的列数据。
Obj = Series( [4,7,-5,3] )
Obj = 一组数据（各种Numpy数据类型） + 一组数据标签组成。
通过values和index属性来获取数据和标签。
可以直接通过字典来创建Series _name = Series( dict_name )
处理缺失数据
Series最重要的功能之一是在算术运算中会自动对齐不同索引的数据。（数据对齐）
Obj 和 Obj.index 本身 还有一个属性 name

DataFrame：
多个seies组成了dataframe

还可以指定index=【‘one’, ‘two’, ‘three’】
利用类似字典标记的方法或属性的方法，可以将DataFrame的列表获取为一个Series
示例如下：frame[‘state’] 或者 frame.state ( 相当于是获取列）
对列的内容进行修改，也有很多方便技巧
删除：del frame【‘state’】
注意：通过索引方式返回的列是相应数据的视图，而非副本。

Frame.values会以二维ndarray的形式返回数据

Frame.index会返回索引对象，index对象是不可修改的（immutable），因此用户不能对其进行修改。而index对象是不可修改的，这样使得Index对象在多个数据结构之间安全共享。

重新索引与插值
丢弃指定轴上的项

切片：
利用标签的切片运算与普通的python切片是不一样的，其末端是包含的。、
Data.ix[ ‘color’, [ ‘two’, ‘three’ ] ]

Dataframe 对象在进行运算时 也会自动对齐，产生的是并集。如果有NaN，可以用fill_value来指定一个填充值。

Dataframe 和 series 运算时 的广播机制