利用Python Pandas进行数据预处理-Pandas基本的数据结构

概述
Pandas是Python的一个数据分析包，Pandas最初被作为金融数据分析工具而开发出来，因此，Pandas为时间序列提供了很好的支持。

Pandas是基于Numpy构建的含有更高级数据结构和工具的数据分析包。

Pandas的数据结构：

• Series：一维数组，与Numpy中的一位Array类似。二者与Python基本的数据结构List也很相近，区别是List可以放不同的数据类型，而Array和Series只能放相同的数据类型。
• Time-Series：以时间为索引的Series。
• DataFrame：二维表格型的数据结构。可以将DataFrame理解为Series的容器。
• Panel：三维数组，可以理解为DataFrame的容器。Panel很少使用，但确是很重要的三维数组。
• Panel4D：Panel4D是像Panel一样的4维容器，作为N维容器的一个测试。
• PanelND：PanelND是一个拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

---

Series

from pandas import Series,DataFrame

s=Series([1,2,3.0,'abc',"def"])

print(s)

Series是一个类似一维的数组对象，包含一个数组的数据（任何Numpy类型）和一个与数组关联的数据标签，被叫做索引。

Series对象主要有两个属性：index和values，如果传给构造器的是一个列表，则index的值是从0递增的整数，如果传递的是一个类字典的键值对结构，就会生成index-value对应的Series。比如：

from pandas import Series,DataFrame

s=Series(data=[1,2,3.0,'abc',"def"],index=[100,200,300,400,500])

print(s.index)

print(s.values)

from pandas import Series,DataFrame

s=Series(data=[1,2,3.0,'abc',"def"],index=[100,200,300,400,500])

print(s.index)

print(s.values)

print("....................")

s.name='a_series'
s.index.name='the_index'

print(s)

---

DataFrame
一个DataFrame类似一个表格，类似电子表格的数据结构，包含一个经过排序的列表集，他们每一个都可以有不同的类型值（数字、字符串、布尔），DataFrame有行和列的索引；他可以看作一个Series的字典。

from pandas import Series,DataFrame

data={'state':['a','b','c','d','e'], 'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data)

print(frame)

和Series一样，他的索引也是自动分配，并且对列进行了排序

也可以给列一个顺序，让它按照传递的顺序排列

如果传递了一个行，但不在data中，他的结果将为NA值

from pandas import Series,DataFrame

data={'state':['a','b','c','d','e'], 'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data,columns=['state','year','pop','newCol'],index=['one','two','three','four','five'])

print(frame)

在DataFrame中的一列可以通过字典记法或属性来检索

from pandas import Series,DataFrame

data={'state':['a','b','c','d','e'], 'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data,columns=['state','year','pop','newCol'],index=['one','two','three','four','five'])

print(frame['state'])

行业可以通过位置或名字来索引，列入按ix索引成员

from pandas import Series,DataFrame

data={'state':['a','b','c','d','e'], 'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data,columns=['state','year','pop','newCol'],index=['one','two','three','four','five'])

print(frame.ix['three'])

列可通过赋值来修饰

from pandas import Series,DataFrame

data={'state':['a','b','c','d','e'], 'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data,columns=['state','year','pop','newCol'],index=['one','two','three','four','five'])

frame['newCol']=100

print(frame)