pandas基本操作手册

Series
series是一种类似一维数组的对象，它由一组数据以及一组与之相关的标签组成，通过pandas的Series函数实例化一个series
- 创建series

import pandas as pd
s = pd.Series([5,2,3,4,1])
>>>
0    2
1    3
2    4
3    1
4    5
dtype: int64

 

s.values
>>>array([2, 3, 4, 1, 5])
s.index
>>>RangeIndex(start=0, stop=5, step=1)

 

s2 = pd.Series([3,2,4,1,5],index = ['a','b','c','d','e'])
print(s2)
>>>
a    3
b    2
c    4
d    1
e    5
dtype: int64

 

#根据字典创建series
dict = {'name':'joha','sex':'male','age':'18'}
s3 = pd.Series(dict)
print(s3)
>>>
name    joha
sex     male
age       18
dtype: object

- 根据索引选取Series的一个值或多个值

s2 = pd.Series([3,2,4,1,5],index = ['a','b','c','d','e'])
#批量单个值
s2['a']
>>>3

#批量选取多个值
s2[['a','c','e']]
>>>
a    3
c    4
e    5
dtype: int64
s2[s2>3]
>>>
c    4
e    5
dtype: int64
s2*3
>>>
a     9
b     6
c    12
d     3
e    15
dtype: int64
'c' in s2
>>>True
'f' in s2
>>>False

series在算数运算中自动对齐不同索引的数据

s1 = pd.Series([3,2,4,1,5],index = ['a','b','c','d','e'])
s2 = pd.Series([3,-5,1],index = ['a','c','e'])
print(s1+s2)
>>>
a    6.0
b    NaN
c   -1.0
d    NaN
e    6.0
dtype: float64

series中的index可以通过赋值的方式进行修改

s2 = pd.Series([3,-5,1],index = ['a','c','e'])
s2.index = [1,2,3]
print(s2)
>>>
1    3
2   -5
3    1
dtype: int64

##DataFrame
- 创建dataFrame
```

test_dict = {'id':[1,2,3,4,5,6],
             'name':['Alice','Bob','Cindy','Eric','Helen','Grace '],
             'math':[90,89,99,78,97,93],
             'english':[89,94,80,94,94,90]}
#[1].直接写入参数test_dict
test_dict_df = pd.DataFrame(test_dict)
print(test_dict_df)
>>>
   id    name  math  english
0   1   Alice    90       89
1   2     Bob    89       94
2   3   Cindy    99       80
3   4    Eric    78       94
4   5   Helen    97       94
5   6  Grace     93       90
#[2].字典型赋值
test_dict_df = pd.DataFrame(data=test_dict)
>>>
   id    name  math  english
0   1   Alice    90       89
1   2     Bob    89       94
2   3   Cindy    99       80
3   4    Eric    78       94
4   5   Helen    97       94
5   6  Grace     93       90

 

test_dict_df = pd.DataFrame(test_dict,columns=['name','math','english','id'])
print(test_dict_df)
>>>
     name  math  english  id
0   Alice    90       89   1
1     Bob    89       94   2
2   Cindy    99       80   3
3    Eric    78       94   4
4   Helen    97       94   5
5  Grace     93       90   6