import numpy as np,pandas as pd
(一般的,numpy包和Pandas包一起导入使用)
zip()把参数里的序列以类似字典的元组压缩起来
Series类对象
++pd.Series创建一个新对象(驼峰命名)++
- Series(X,Y,Z)参数:
- X 是写入的数据 一般为序列
- Y 是索引的数据 可以写入序列 默认为下标
- Z 是指定数据的类型
- X,Y可以用字典类型数据代替 指定字典后 再赋值索引参数可多可少 缺省值用Nan代替(猜测原理为 传字典时表已经创好 是键值对应的, 再次赋值相当于表已经创好二次赋值,如果不传字典表没完成构建 需要对应的键值对来创表 所以必须对应 )
- Series属性:
- index 表的下标属性 返回一个下标组成的序列
- values 值属性 返回一个序列 与index的返回值都可以用下标获取
- Series方法:
- isnull() 判断值是否为空 返回一个bool序列
- notnull() 与上相反
- any() 判断bool序列是否有Turn 返回一个bool值
np.isnan() 等同于Series的isnull()方法
- Series 的遍历
- 与字典遍历类似
DateFrame
- DataFrame的创建
data = {'city': ['北京', '北京', '北京', '上海', '上海', '上海'],
'year': [2000, 2001, 2002, 2001, 2002, 2003],
'population': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
df = pd.DataFrame(data,['A', 'B', 'C', 'D', 'E', 'F'])
df
第一个参数为数据 一般为字典 键为列字段 值为列下的数据
#结果
city year population
A 北京 2000 1.5
B 北京 2001 1.7
C 北京 2002 3.6
D 上海 2001 2.4
E 上海 2002 2.9
F 上海 2003 3.2
- DataFrame的取值 loc[]和iloc[]
- loc[ X ] (类属性方法)里面传指定索引(可切片 花式索引等)
- iloc [] loc方法的原本索引(数字)形式
df[['city','population']]
#结果
city population
A 北京 1.5
B 北京 1.7
C 北京 3.6
D 上海 2.4
E 上海 2.9
F 上海 3.2
df.iloc[1:4,2:4]
#结果
population
B 1.7
C 3.6
D 2.4