Python与数据分析学习笔记（2）Pandas基本功能介绍

目录

Series

DataFrame

Series过滤NaN值

DataFrame过滤NaN值

DataFrame选取元素

Series

import pandas as pd
ser = pd.Series([1,2,3,4,5],index=['a','b','e','d','c'])
print(ser)

a    1
b    2
e    3
d    4
c    5
dtype: int64

print(ser.sort_index())      #按索引排序

a    1
b    2
c    5
d    4
e    3
dtype: int64

print(ser.sort_index(ascending=False) #根据索引排倒序

e    3
d    4
c    5
b    2
a    1
dtype: int64

print(ser.sort_values())    #根据元素进行排序

a    1
b    2
e    3
d    4
c    5
dtype: int64

DataFrame

DataFrame和Series不同，形象比喻一下，Series中的数据像是一条线，只有长度，没有宽度，而DataFrame中的数据分布是个二维图形，有宽度有长度，因此DataFrame中的数据排序虽和Series有相似之处，但两者并不能并题而论。

frame = pd.DataFrame(np.arange(16).reshape(4,4)),index=['red','green','yellow','red'],columns = ['ball','pen','pencil','pencil'])

print(frame.sort_index())  #按索引排序

        ball  pen  pencil  pencil
green      4    5       6       7
red        0    1       2       3
red       12   13      14      15
yellow     8    9      10      11

print(frame.sort_index(by='pen')  #通过by选定指定元素进行排序

        ball  pen  pencil  pencil
red        0    1       2       3
green      4    5       6       7
yellow     8    9      10      11
red       12   13      14      15

print(frame.)

Series过滤NaN值

ser = pd.Series([0,1,2,np.NaN],index=['red','yellow','blue','green'])
print(ser.dropna())

red       0.0
yellow    1.0
blue      2.0
dtype: float64

print(ser[ser.notnull])

red       0.0
yellow    1.0
blue      2.0
dtype: float64

DataFrame过滤NaN值

DataFrame过滤NaN值要尽量避免使用dropna（）方法，因为使用dropna（）时，只要行或列有一个NaN元素，该行或列的元素就会全被删除，因此，为避免这种事情发生，要使用how选项。

frame = pd.DataFrame([[6,np.NaN,6],[np.NaN,np.NaN,np.NaN]],index=['blue','green','red'],columns=['ball','mug','pen']
print(frame.dropna(bow='all'))

       ball  mug  pen
blue     6    NaN   6
red      2    NaN    5

DataFrame选取元素

frame = pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),
columns=list('uxyz'))
h=frame.loc['a','y']		#定点查询
print(h)

2

m = frame.iloc[2,2]			#坐标查询  即第（n+1，n+1）个数
print(m）

10

n=frame.iloc[0]			#查询第一行

u    0
x    1
y    2
z    3
Name: a, dtype: int32

x=frame.iloc[:,0]			#查询第一列
print（x）

a     0
b     4
c     8
d    12
Name: u, dtype: int32

同样，也可用loc定位到行名、列名，但iloc必须内用数字，在此不再赘述。