【科学数据库】pandas基础

pandas的常用数据类型

处理字符串，日期类型等等
常用数据类型：
Series 一维，带标签数组
DataFrame 二维，Series容器

Series创建

本质上是创建数组

指定索引用的格式是列表

字典自带索引

用字典创建Series:




切片：注意以下 的区别：

例子：

数据存在csv中，使用 pd. read_csv 读取
读取后数据类型为DataFrame
以下结果和series不同，它有三列

读取数据库mysql中的数据：
pd.read_sql(sql_sentence,connection)

读取数据库mongodb中的数据：mongodb的数据可以传入DataFrame

注意：读取csv中数据读出的类型是DataFrame

DataFrame如何创建？----是series容器

index行索引
columns列索引
创建dataframe的两种方式：
1.通过字典创建

2.通过列表创建

DataFrame基础属性：

下图中的各项都可以单独求出：
如 t.mean（）表示求t的平均值

例题：

pandas之取行或者列（loc和iloc）

以上文的狗子命名csv文件为例：
1.想单独研究使用次数前100的数据：
2.具体选择某一列：df[" Count_AnimalName “]
3.同时选择行和列：df[:100][” Count_AnimalName "]

loc【行，列】—标签索引（标签是字符串，当行列的索引是字符串时 ）

iloc【行，列】----位置索引（行列索引是数字）

pandas之布尔索引

实质就是索引值是bool值：比如 t【true】
例：狗名字使用次数在800~1000以内

pandas缺失数据的处理：

处理NaN：
先通过索引方式查找有缺失值的位置：

处理方式：
处理方式1：删除NaN所在的行列 t.dropna (axis=0, how=‘any’, inplace=False)—t是dataframe数据类型
axis=0表示删除有nan的行
how默认值是any，表示删除任何含有nan的行
inplace表示原地更新

处理方式2：填充数据，t.fillna(t.mean()) 用平均值填充
t.fiallna(t.median()) 用中位数填充
t.fillna(0) 用0或者其他指定值填充

处理为0的数据：
t[t==0]=np.nan-----把0变成nan，因为变成nan后计算均值等运算，就不会吧nan行参与运算，这样计算值会更准确
当然并不是每次为0的数据都需要处理，计算平均值等情况，nan是不参与计算的，但是0会

案例：pandas常用统计方法

统计方法和字符串离散化：

展现分布情况，一般可以使用直方图

import numpy as np
from matplotlib import pyplot as plt

runtime_data = np.array([8.1, 7.0, 7.3, 7.2, 6.2, 6.1, 8.3, 6.4, 7.1, 7.0, 7.5, 7.8, 7.9, 7.7, 6.4, 6.6, 8.2, 6.7, 8.1, 8.0, 6.7, 7.9, 6.7, 6.5, 5.3, 6.8, 8.3, 4.7, 6.2, 5.9, 6.3, 7.5, 7.1, 8.0, 5.6, 7.9, 8.6, 7.6, 6.9, 7.1, 6.3, 7.5, 2.7, 7.2, 6.3, 6.7, 7.3, 5.6, 7.1, 3.7, 8.1, 5.8, 5.6, 7.2, 9.0, 7.3, 7.2, 7.4, 7.0, 7.5, 6.7, 6.8, 6.5, 4.1, 8.5, 7.7, 7.4, 8.1, 7.5, 7.2, 5.9, 7.1, 7.5, 6.8, 8.1, 7.1, 8.1, 8.3, 7.3,