python-pandas模块1-基本数据类型1

pandas模块-基本数据类型

导入模块

 import pandas as pd
 import numpy as np
 from pandas import Series,DataFrame

1.Series

pd.Series()返回一个有index和values属性的数据对象

s= pd.Series([4,-7,3,9])
s

(1)自定义索引

s1=Series([4,7,6,5],index=['a','b','c','d'],dtype=float)

(2)读取Series

使用0-n的索引读取

s1[0]

自定义索引

s1['a']

如果自定义索引是纯数字，就不能用0-n的索引读取了，只能用自定义

s2=Series([4,7,6,5],index=[4,5,6,7],dtype=np.float64)
s2

Sereis.loc[‘自定义索引’]

s2.loc[6]

Sereis.iloc[0-n的数字]

s2.iloc[2]

可以用loc更改索引对应的值，如果没有就新加进去

s1.loc['e']=8

读取多个值会得到新对象
单点读取

s1[['a','c']]

区间读取：Series[start,end,step]

s1['a':'c']

(3)通过字典数据得到Series(key变成索引，value变成值)

创造一个字典

build_price={'beijing':68000,'shanghai':54000,'guangzhou':35000,'shenzhen':72000}

将字典转为Series

s3=Series(build_price)
s3

给定index参数值，他会进行匹配，按照给定的顺序显示，若数据匹配不上则显示NaN

index4=['beijing','guangzhou','shanghai','shenzhen']
s4=Series(build_price,index=index4)
s4

index4=['beijing','guangzhou','shanghai','shenzheng','haerbin']
s4=Series(build_price,index=index4)
s4

创建后再更改index也是可以的

s3.index=list('abcd')
s3

2.DataFrame

表格型数据，就像excel一样有行有列

(1)把numpy的二维数组转为DataFrame

默认行索引与列索引都是0-n

df = DataFrame( np.arange(10,22).reshape(3,4) )
df

可以自定义索引

df1= DataFrame( np.arange(10,22).reshape(3,4),
               index=list('abc'),
              columns='one,two,three,four'.split(','))
df1

(2)通过字典来创建DataFrame

先创建一个字典然后在转为DataFrame

df_dict={
    'city':'北京，上海，广州，深圳，台北'.split('，'),
    'price':(6800,54000,35000,72000,50000),
    'year':np.arange(2015,2020)
}
df2=DataFrame(df_dict)
df2

可以更改列索引的顺序

DataFrame(df_dict,columns=['year','city','price'])

(3)读取DataFrame

先取出df2

df2

读取列：df[’ ']

df2['city']

读取列：df.列名称

df2.year

读取行：df.loc[ ]

df2.loc[0]

读取单一值：df.loc(行,列)
取出2019

#直接读取：
df2.loc[4,'year']

#间接读取
df2.year[4]

#间接读取
df2.loc[4].loc['year']

(4)增加新列

df[‘columnName’]=值

同样的值

df2['new1']=5
df2

不同的值

df2['new2']=np.arange(5.)
df2

若列名已经存在则修改值

df2['new1']=100
df2

(5)行增加和修改

df.loc[ ]=xxx

df2.loc[4,'year']=2020
df2

当我们想增加新列 我们如果直接给数字或者是数组的时候 行索引是自动匹配的，但是如果我们给的数据已经有索引的Series。而Series是有索引的，那么就会进行 索引匹配，能匹配上则给值进去，不能则没有
创建一个series

spe_s=Series(np.arange(7)*3,index=[0,23,4,5,6,9,'new'])
spe_s

和df2合并

df2['new5']=spe_s
df2

创建series时给相同索引

spe_s2=Series(np.arange(7)*3,index=df2.index)
spe_s2

合并

df2['new5']=spe_s2
df2

也可以直接复制values，就不会涉及到索引了

df2['new7']=spe_s2.values
df2

(6)删除

删除列:del df[列名称]

**df.drop(key , axis=0 ,inplace=False) **
key:具体的名称
axis:控制删行删列
inplace:是否在原数据修改

df2.drop('new4',inplace=True,axis=1)
df2