python数据挖掘02--pandas基础

一.pandas引入

     

from pandas import Series,DataFrame
import pandas as pd

二.pandas的数据结构    

       1.Series

         Series是一种类似一维数组的对象，他由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。

          

obj = Series([4,7,-5,3])
obj
0   4
1   7
2   -5
3   3

        左边是索引，右边是值。

        可以通过Series的values和index属性获取其数组表示形式和索引对象。

        

In [1]: obj.values
Out[1]: array([4,7,-5,3])

In[2]:obj.index
out[2]:Int64Index([0,1,2,3])

        自建标记索引：

        

In[8]:obj2 = Series([4,7,-5,3],index=['d','b','a','c']

out:d    4
      b    7
      a    -5
      d     3

         可以通过索引取Series中的单个值或一组值：

         

In: obj2['a']
Out: -5

In: obj2[['c','a','d']]
Out: 
c   3
a   -s
d   4

        运算

        

obj2[obj2>0]
obj2*2
np.exp(ob2)

       通过python字典创建Series:

        

sdata = {'Ohio':35000,'Twxas':200,}
obj3=Series(sdata)

       

In:states = ['California','Ohio','Oregon','Texas']
    obj4=Series(sdata,index=states)
Out:
California   NaN
Ohio          35000
Oregon      16000
Texas         71000

     寻找缺失数据

 

pd.isnull(obj4)
pd.notnull(obj4)

obj4.isnull()

     Series对象本身及其索引都有一个name属性。

     

obj4.name = 'population'
obj4.index.name = 'state'

    2.Dataframe

      表格型数据结构，含有一组有序的列，每列可以是不同类型。

      构建DataFrame:

      

data = {'state':['O','P','Q'],
              'year':[2000,2001,2005],
              'pop':[1.5,1.7,1.2]}
frame=DataFrame(data)

frame['state']
frame.year

   使用位置访问：

  

frame.ix['three']

     赋值

frame['debt']=16.5