深度学习——关于Pandas库的一些问题（3）

pandas库

在做数据处理时看到了这个库和一些相关的函数应用，不是很明白，在查找文档和实际使用中进行了一些总结

Python中的使用

在使用pandas库之前我们需要先install，下面介绍两种方法

1. 使用第三方工具pycharm
   在pycharm中点击File->Settings->Project:Learning->Python Interpreter
   
   点击“ + ”，输入pandas，点击Install Package，就可以啦
   

2. 用pip加载模块
   在pycharm中选择Terminal或者在Anaconda Prompt中activate tensorflow
   输入命令，就可以了

pip install pandas

3. 在python中导入

import pandas as pd

Pandas是什么

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。
关于他的更多介绍指路官网
Pandas 的主要数据结构是 Series (opens new window)（一维数据）与 DataFrame (opens new window)（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

Series

Series是带标签的一维数组，可以存储整数、浮点数、字符串、python对象等类型的数据。轴标签统称为索引
调用格式

s = pd.Series(data, index=index)

其中data为数据，支持

1. python字典
2. 多维数组
3. 标量值（data 是标量值时，必须提供索引。Series 按索引长度重复该标量值。）
   index为轴标签，可缺省，缺省时默认为从零开始的整数
   PS：Pandas 用 NaN（Not a Number）表示缺失数据。

DataS1 = pd.Series([1, 2, 3, 4, 5])
print("Data_Series1:", DataS1)
DataS2 = pd.Series([1, 2, 3, 4, 5],index=['a', 'b', 'c', 'd', 'e'])
print("Data_Series2:", DataS2)
DataS3 = pd.Series({'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5})
print("Data_Series3:", DataS3)
# Data_Series1: 0    1
# 1    2
# 2    3
# 3    4
# 4    5
# dtype: int64
# Data_Series2: a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int64
# Data_Series3: a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int64

DataFrame

DataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。DataFrame 是最常用的 Pandas 对象，与 Series 一样，DataFrame 支持多种类型的输入数据：

1. 一维 ndarray、列表、字典、Series 字典
2. 二维 numpy.ndarray
3. 结构多维数组或记录多维数组(opens new window)
4. Series
5. DataFrame
   除了数据，还可以有选择地传递 index（行标签）和 columns（列标签）参数。传递了索引或列，就可以确保生成的 DataFrame 里包含索引或列。Series 字典加上指定索引时，会丢弃与传递的索引不匹配的所有数据。
   没有传递轴标签时，按常规依据输入数据进行构建。

d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
   'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}

df = pd.DataFrame(d)
print("Data_DataFrame1:", df)
# Data_DataFrame1:    one  two
# a  1.0  1.0
# b  2.0  2.0
# c  3.0  3.0
# d  NaN  4.0