数据分析之pandas应用

pandas常用数据类型：

• Series ：一维，带标签数组
• DataFrame： 二维，是Series容器

1. series创建：

注：pd.series(a,index)，其中index相当于字典的键，a相当于字典的值（直接创建）；a也可以是一个字典，index为a中的键（字典创建）；或者pd.series(a)，直接通过字典创建，a为字典

2. series切片，索引

3. series获取索引及其值

pandas读取外部数据：

pandas自带的read方法就可以读取大部分的文档，下图仅为部分函数

2. Dataframe创建：
   
   DataFrame对象既有行索引，又有列索引
   行索引，表明不同行，横向索引，叫index，0轴，axis=0
   列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

布尔索引：类似于numpy中的 series的布尔索引，在有多个条件时，中间用&或|连接

• pandas中head(a)方法：查看数据中的前a行数据，默认为前5行数据
• data.info():给出样本数据的相关信息概览 ：行数，列数，列索引，列非空值个数，列类型，内存占用

注：集合{a,b,c},可通过set()来创建，其是一组key的集合，但不存储value，并且key不能重复；
重复元素在集合中自动被过滤

• DataFrame常用方法：（.describe()方法较为常用）

读取mongodb：

• 获取使用次数最高的前几个名字： df.sort_values(by=“Count_AnimalName”,ascending=False)
  注： ascending默认为true，即升序

• 使用次数前100的数据:
  df_sorted = df.sort_values(by=“Count_AnimalName”)
  df_sorted[:100]

• 具体要选择某一列：
  df[" Count_AnimalName "]

• 同时选择行和列改怎么办？

• df[：100][" Count_AnimalName "]

• 布尔索引：（通过内部的布尔判断条件进行索引）
  
• 找到所有的使用次数超过700并且名字的字符串的长度大于4的狗的名字
  （用&和|时要注意用括号括起来）