10分钟学会Pandas

1、创建对象

import pandas as pd
print(pd.Series([1,2,3,4,5], index=list("abcde")))

a    1
b    2
c    3
d    4
e    5

dates = list('ABCDEF')
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)

Columns: 列名
index: 行名
          A         B         C         D
A  0.924594 -0.053096 -0.251685  0.986537
B  0.521780  1.161101  0.974749  0.301026
C -1.717383  0.159148 -0.642872  0.804738
D -0.591834 -0.869854  0.513973 -0.411427
E  0.144160 -1.047797 -0.325710  0.086812
F  0.015615  1.244260 -0.297587  2.144072

df = pd.DataFrame({1:[1,2,3],2:2,3:3}, index=["he","ha","hu"])
字典的每一项相当于一列，之后组织起来形成一个表。index是哈希的对象，columns只不过是向上堆叠而已。
    1  2  3
he  1  2  3
ha  2  2  3
hu  3  2  3

head()，tail()接口查看元素
dates = list('ABCDEF')
df = pd.DataFrame({1:[1,2,3],2:2,3:3}, index=["he","ha","hu"])
print(df.head(1))
print("")
print(df.tail(2))
    1  2  3
he  1  2  3

    1  2  3
ha  2  2  3
hu  3  2  3

print(df.index)
print(df.columns)

Index(['he', 'ha', 'hu'], dtype='object')
Int64Index([1, 2, 3], dtype='int64')

#获取统计信息
print(df.describe())

df = pd.DataFrame({1:np.random.random((6)),2:np.random.random((6)),3:np.random.random((6))}, index=list("abcdef"))
print(df)
df = df.sort_index(axis=0, ascending=False)
print(df)
df = df.sort_index(axis=1, ascending=False)
print(df)
df = df.sort_values(by = 2, ascending=False)
print(df)
df = df.sort_values(by = 2)
print(df)

按索引排序·，按行排序，按列排序，按某一列的值排序

希望获取元素：
如果是希望获取列： 则通过df["A"]即可，如果希望获取某个位于某行某列的元素，用df.loc[index, columns]即可，
注意，index，columns可以是数组

df = pd.DataFrame({"数学":np.random.normal(120, 10, (100)),"英语":np.random.normal(130, 5, (100)),
                   "计算机":np.random.normal(85, 5, (100))},
                  index=list(range(100)))

print(df.index)
print(df.loc[[99, 88],["数学","英语"]])
print(df.iloc[[99, 88],[1,2]])
注意iloc和loc的区别，iloc是只能接受数字索引，loc只接受实际的文字索引。loc更加方便一些。

类似于numpy，但是只支持对列做这种操作
df[df["数学"]>130]

列可以直接做修改
df['数学'] = [i for i in range(0, 200, 2)]
print(df)

df['数学'].isin([12, 13, 14])

利用is_in,传入一个值的列表，可以支持比较复杂的bool表达式

df['sum'] = [sum(df.loc[i, :]) for i in range(100)]
print(df)
添加属性列

空值相关：
过滤和填充 dropna和fillna函数：
df = pd.DataFrame({"数学":np.random.normal(120, 10, (100)),"英语":np.random.normal(130, 5, (100)),
                   "计算机":np.random.normal(85, 5, (100)), "sum":np.nan},
                  index=list(range(100)))

df.loc[[1,2,3],["sum"]] = [[5],[2],[5]]
print(df.dropna())
print(df.fillna(4))

在某条轴线上应用函数
print(df.apply(lambda x: x["数学"], axis=1))
print(df.apply(np.cumsum, axis=0))
axis = 1表水平方向， axis = 0表示竖直方向

增加属性列很简单，怎么增加行呢？
可以用
pd.concat()
传入一个数组，并选 ignore_index=True, 这样可以实现拼接

两张表根据主键做自然连接
pd.merge(left,right, on='key')

追加行，性质类似于把一张表合并到另一张表里面去
df.append(df2, ignore_index=True)
和pd.concat()效果很类似，不同之处在pd.concat()支持拼接多个表，而df.append()只支持拼接两个表
df,groupby([]) 按照属性分组，之后可以调用函数统计每个组的一些数据
、、、