Pandas是Python第三方库,提供高性能易用数据类型和分析工具,Pandas基于NumPy实现,常与NumPy和Matplotlib一同使用
import pandas as pd
两个数据类型:Series, DataFrame
基于上述数据类型的各类操作:基本操作、运算操作、特征类操作、关联类操作
Series类型
Series类型由一组数据及与之相关的数据索引组成
Series类型可以由如下类型创建:
• Python列表
• 标量值
• Python字典
• ndarray
• 其他
从标量值创建
s=pd.Series(25,index=['a','b','c'])
从字典类创建
import pandas as pd
d=pd.Series({'a':9,'b':8,'c':7})
e=pd.Series({'a':9,'b':8,'c':7},index=['c','a','b','d'])
#index从字典中进行选择操作
从ndarray创建
import pandas as pd
import numpy as np
n=pd.Series(np.arange(5))
m=pd.Series(np.arange(5),index=np.arange(9,4,-1))
Series类型可以由如下类型创建:
• Python列表,index与列表元素个数一致
• 标量值,index表达Series类型的尺寸
• Python字典,键值对中的“键”是索引,index从字典中进行选择操作
• ndarray,索引和数据都可以通过ndarray类型创建
• 其他函数,range()函数等
Series类型包括index和values两部分
Series类型的操作类似ndarray类型
• 索引方法相同,采用[]
• NumPy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片,如果存在自定义索引,则一同被切片
Series类型的操作类似Python字典
• 通过自定义索引访问
• 保留字in操作
• 使用.get()
自动索引和自定义索引并存,但不能混用,Series类型在运算中会自动对齐不同索引的数据
Series对象和索引都可以有一个名字存储在属性.name中
Series对象可以随时修改并即刻生效
DataFrame类型
DataFrame类型由共用相同索引的一组列组成
DataFrame是一个表格型的数据类型,每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据,但可以表达多维数据
DataFrame类型可以由如下类型创建:
• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame
从二维ndarray对象创建
import pandas as pd
import numpy as np
d=pd.DataFrame(np.arange(10).reshape(5,2))
从一维ndarray对象字典创建
import pandas as pd
dt={'one':pd.Series([1,2,3],index=['a','b','c']),
'two':pd.Series([9,8,7,6],index=['a','b','c','d'])
}
d=pd.DataFrame(dt)
从列表类型的字典创建
import pandas as pd
dt={'one':[1,2,3,4],
'two':[9,8,7,6]
}
d=pd.DataFrame(dt,index=['a','b','c','d'])
DataFrame是二维带“标签”数组,基本操作类似Series,依据行索引
重新索引:
.reindex()能够改变或重排Series和DataFrame索引
.reindex(index=None, columns=None, …)的参数
Series和DataFrame的索引是Index类型,Index对象是不可修改类型
索引类型常用的方法
.drop()能够删除Series和DataFrame指定行或索引列
数据运算法则
算术运算根据行列索引,补齐后运算,运算默认产生浮点数
补齐时缺项填充NaN (空值)
二维和一维、一维和零维间为广播运算
采用+ ‐*/符号进行的二元运算产生新的对象
不同维度间为广播运算,一维Series默认在轴1(x轴)参与
比较运算法则
比较运算只能比较相同索引的元素,不进行补齐
二维和一维、一维和零维间为广播运算
采用>< >= <= == !=等符号进行的二元运算产生布尔对象