数据分析工具Pandas

一、Series类对象创建

1.构造法：

Pandas中有两个主要的数据结构：Series和DataFrame
Series是一个类似一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成
import numpy as np
import pandas as pd                                                                                  
pd.Series(data=np.array[1,2,3,4,5],index=['a','b','c','d','e'])
data:表示传入的数据
index：表示索引，唯一且与数据长度相等，默认会自动创建一个从0~N的正数索引。

2.传入列表：

s1=pd.Series([1,2,3])
s1=pd.Series([1,2,3],index=['a','b','c'])

3.dict创建：

data={2001:17.8,2002:20.5,2003:13.1}

s2=pd.Series(data)

二·、DataFrame类对象创建

DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据可以是不同的数据类型。
import numpy as np
import pandas as pd
a1=pd.DataFrame(data=np.random.randint(20,50,12).reshape(3,4),index=['a','b','c'],columns=['q','w','e','r'])
a1

三、数据切片操作

loc:基于标签索引（索引名称），用于按标签选取数据。当执行切片操作时，既包含起始索引，也包含结束索引。
iloc：基于位置索引（整数索引），用于按位置选取数据。当执行切片操作时，只包含起始索引，不包含结束索引。
a1.iloc[1]#获取某一行的数据
a1[1:3]#获取连续的多行数据
a1.iloc[[1,3]]#获取不连续的多行数据
a1.loc[:,['q','e']]#获取指定列的数据
a1.loc[['a','b'],['q','w']]#获取指定的多行多列

四、数据合并

Merge
首先merge的操作非常类似sql里面的join，实现将两个Dataframe根据一些共有的列连接起来，当然，在实际场景中，这些共有列一般是Id，
连接方式也丰富多样，可以选择inner(默认)，left,right,outer 这几种模式，分别对应的是内连接，左连接，右连接
import numpy as np
import pandas as pd
random=np.random.RandomState(0)
df1=pd.DataFrame(random.randn(3,4),columns=['a','b','c','d'])
df2=pd.DataFrame(random.randn(2,3),columns=['a','b','d'],index=['b1','b2'])
pd.merge(df1,df2)
pd.merge(df1,df2,how='outer')