python最最最重要的数据分析工具之pandas

上期内容：python之Numpy知识点详细总结

学完了numpy，相信大家感受到了它的强大之处，今天我们来学习新的python库之pandas，它和numpy密切相关，我们不管是工作还是学习，数据分析的时候都会用到，pandas主要用于表格式数据，方便我们在视觉上观察。接下来跟我一起来学习吧！相信我，你会爱上pandas的！

✒️个人主页➡️：个人主页
🔎系列专栏🔫：系列专栏

一、创建数据及查看数据属性

1.1、Series

1.1.1、通过列表创建数据

import pandas as pd
import numpy as np
data = [1,2,3,4]
s = pd.Series(data=data)  
print('--------------不写index默认索引从0开始------------------------------')
print(s)
s = pd.Series(data=data,index=['a','b','c','d'])
print('-------------通过index创建索引----------------------------')
print(s)

1.1.2、通过字典创建数据

import pandas as pd

dic = {
   
    '语文':100,
    '数学':99,
    '理综':250
}
s = pd.Series(data=dic)  # 键为索引,值为值
print(s)

1.1.3、查看属性

print(f'shape返回维度元组:{
     s.shape}')
print(f'size返回行数数字:{
     s.size}')
print(f'index返回索引:{
     s.index}') 
print(f'values返回值:{
     s.values}') 
print(f'dytpe返回数据类型:{
     s.dtype}') 

1.1.4、Series常见方法

s = pd.Series(data=[1,2,3,4,5,4,2])
# 为了方便看结果，将Series结果转为了列表 
list(s.head(3)) #显示前n个数据  [1, 2, 3]
list(s.tail(3)) #显示后n个元素  [5, 4, 2]
s.unique() #去重 array([1, 2, 3, 4, 5], dtype=int64)
list(s.isnull()) #用于判断每一个元素是否为空，为空返回True，否则返回False [False, False, False, False, False, False, False]
list(s.notnull())#用于判断每一个元素是否为空，不为空返回Frue，否则返回False [True, True, True, True, True, True, True]

1.1.5、Series运算

• 法则：索引一致的元素进行算数运算否则结果为NaN

s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','d','c'])
s = s1 + s2
s
# s1和s2索引中都有a和c,所以索引a对应的值为1+1=2,c类似;b和d只存在于一个Series中,因此无法计算,结果为NaN

1.2、DataFrame

• DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
  • 行索引：index
  • 列索引：columns
  • 值：values

1.2.1、通过ndarray创建DataFrame

df = pd.DataFrame(data=[[1,2,3],[4,5,6]])
df

• 指定列索引和行索引

df = pd.DataFrame(data=[[1,2,3],[4,5,6]],index=['a','b'],columns=['e','f','g'])
df

1.2.2、通过字典创建DataFrame

dic = {
   
   'name':['zhangsan','lisi','wanglaowu'],
   'salary':[1000