python---pandas基础知识和样例

文中用到的文件：

 提取码：8828

• # as 是导包起别名
  from pandas  import Series,DataFrame  
  # Series 序列 是一个一维数组的对象 由 数据和索引组成
  # ***** DataFrame 类似于表格的结构，包含一组有序的列，包含行索引和列索引
  #定义Series

• #序列的定义方式
  x = Series(data=['巡回检查组','将军家的小娘子','知否知否','铁齿灵牙纪晓岚'],
           index=['a','b','c','d'] )
  x

• type(x)

• y = Series(data=[{"name":"李雷","age":30,'hobby':"电子竞技"},
                   {"name":"李雷1","age":31,'hobby':"电子竞技1"},
                   {"name":"李雷2","age":32,'hobby':"电子竞技2"},
                   {"name":"李雷3","age":33,'hobby':"电子竞技3"}],
            index=['d','c','e','f'])
  y

• #通过指定索引 访问我的序列
  y['d':'f']

• #通过默认的索引
  y[0:2]
  # 根据索引删除序列
  #y = y.drop('e')

• df = DataFrame(
      data={'name': ['曹文杰','吴彦祖','郑伊健','任达华'],
       "age":[33,78,90,23],
       "hobby":['干饭人','不讲武德','耗子尾汁','足球']
       },
      index=['first','second','third','four']
  )
  df

• df.loc['first':'third',['name','age']]

• df.loc['first':'third',:]

• #根据默认索引进行 行和列的筛选
  #df.iloc[0:3,0:3]
  # 只筛选  2行和第3行，第一列和第三列
  df.iloc[[1,2],0:3]

• # pandas 读取文件
  pd.read_csv('write.csv')

• #读取  excel 表格
  #读取  excel表格的数据
  df = pd.read_excel('data/3.xlsx',sheet_name='data')
  df

• df = pd.read_excel('data/3.xlsx',sheet_name=['data','data2'])
• df

• # 对表格里的数据去除重复
  df2 = pd.read_csv("data/data.csv")
  #去除重复数据
  df2 = df2.drop_duplicates()
  df2

• #对字符串 进行替换
  df3 = pd.read_csv("data/data2.csv")
  # 把标题中的名字 J 换成I (replace)--->   strip() 去除两边空格
  df3 = df3['name'].str.replace("J","I").str.replace('n',"N").str.strip()
  df3

• #对数据大小进行范围的筛选
  df4 = pd.read_csv("data/data4.csv",sep="|")
  # 找数据大于 10000 条的数据
  #df4 = df4[df4.comments>10000]
  df4 = df4[df4.comments.between(10000,30000)]
  df4

• df4 = pd.read_csv("data/data4.csv",sep="|")
  df4

• # 找到数据 属性为空的
  df4[pd.isnull(df4["title"])]

• 

• df71 = pd.read_csv("data/data7-1.csv",sep="|",names=["id","comments","title"])
• df71

• df72 = pd.read_csv("data/data7-2.csv",sep="|",names=["id","oldPrice","newPrice"])
  df72

• # 将两张表进行合并,要求 id的列名要一致
  newdf1 = pd.merge(df71,df72)
  #输出所有的数据
  newdf1[:]

• # 表格中的数据，两列的乘积的结果放到新的一列
  df8 = pd.read_csv("data/data8.csv",sep="|")
  df8

• # 两列的乘积 加到新的一列
  df8["result"] = df8.price*df8.num
  df8

• # 按照组进行划分，显示每个组的数量
  df9.groupby("address").count().reset_index()

• #显示各个地区 分数的平均值,reset_index 重新设置索引
  df9.groupby("address")['score'].mean().reset_index()

• # 将 最大，最小，平均值 一次性都展示出来
  df9.groupby("address")['score'].agg(['mean','max','min']).reset_index()

• df9

• # 将改表格  按照年龄进行排序
  
  df9.sort_values(by="age",ascending=False).reset_index()