pandas练习

import pandas as pd
#Series可以看成是一维数组的对象，里面包含一组数据和与数据相对应的数据索引。
se = pd.Series([1,2,3,'2q13e2'], index = [1,2,3,'qwe'])
print (se)
print(se.values)
print(se.index)
print(se[3])
print('\n')
print(se[[2,'qwe']])

se*2

print(se)

import pandas as pd
#DataFrame是一个二维的表格型数据结构，它既有行索引也有列索引，可以看做是由Series组成的字典，我们可以使用Series构成的字典来构建DataFrame:

d = {'one':pd.Series([3,4,6],index = ['a','b','c']),'two':pd.Series([6,7,8],index=['a','b','d'])}
df = pd.DataFrame(d)
print(df)
print(type(df))
print(df.index)#行索引
print(df.columns)#列索引

d1 = pd.DataFrame(d, columns=['one'])
print(d1)
d2 = pd.DataFrame(d, index=['a'])
print(d2)
d3 = pd.DataFrame(d, index=['a'],columns=['one','three'])
print(d3)
print("\n\n")
print(df[['one','two']])
print(df['one']['a'])
print(df['one'][['a','b']])
#也可以直接添加新的列
print(type(df['one']))
df['three'] = df['one'] + 1
df['four'] = pd.Series([1,1,1],index = ['a','b','c'])
print(df)
#我们也可以进行数据的选取和过滤
df['flag'] = df['one']<df['two']#NaN存在  都为false
print(df)
#我们可以通过pop方法返回一个特定列，并删除原有的列上的数据：
flag = df.pop('flag')
print(type(flag))
print(flag)
print(df)
#直接删除列数据
del df['four']
print(df)
#我们也可以使用drop方法删除行数据：
a = df.drop('a')#返回剩余的dataframe  原df内容还存在
print(type(a))
print(a)
print(df)