利用Pandas进行数据分析（2）——pandas数据基本操作

注：此系列参考了梁斌老师的课件和《利用Python进行数据分析》一书。

另外发现了一个小坑：在用notebook导入到csdn中时，是需要先转存为md格式的文件，而且在输出一栏后都要加上一个回车，不然会在csdn的markdown中显示错误，大家可以注意一下。

---

Pandas数据操作

索引

表：Index的方法和属性

方法	说明
append	连接另一个Index对象，产生一个新的Index对象
diff	计算差集，并得到一个index
intersection	计算交集
union	计算并集
isin	计算一个指示各值是否都包含在参数集合中的布尔型数组
delete	删除索引i处的元素，并得到新的index
drop	删除传入的值，并得到新的index
insert	将元素插入到索引i处，并得到新的index
is_monotonic	当个元素均大于等于前一个元素时，返回true
in_unique	当index没有重复值时，返回true
unique	计算index中唯一值的数组

import pandas as pd

Series索引

关于它的索引其实和Python里其他可迭代的对象索引规则差不多，包括序号索引、切片索引和不连续索引，此处不再过多赘述，值得注意的是以下几种索引

# 布尔索引

ser_bool = ser_obj > 2
print(ser_bool)
print(ser_obj[ser_bool])

print(ser_obj[ser_obj > 2])

a    False
b    False
c    False
d     True
e     True
dtype: bool
d    3
e    4
dtype: int32
d    3
e    4
dtype: int32

表： DataFrame索引

类型	说明
co	aligned
obj[val]	选取DataFrame的单个列或者一组列，在一些特殊情况下会比较便利：布尔型数组（过滤行）、切片（行切片）、布尔型DataFrame（根据条件设置值）
obj.ix[val]	选取DataFrame的单个行或一组行
obj.ix[:,val]	选取单个列或列子集
obj.ix[val1,val2]	同时选组行和列
reindex方法	将一个或多个轴匹配到新索引
xs方法	根据标签选取单行或单列，并返回一个series
icol、irow方法	根据证书位置选取单列或单行，并返回一个series
get_value、 set_value方法	根据行标签和列标签选取单个值

import numpy as np

df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])
print(df_obj.head())

          a         b         c         d
0  0.517213 -1.370594  1.937338 -0.541914
1  1.824929 -0.011277  0.071104  0.786259
2 -0.971734  0.186685 -1.048862 -1.145520
3 -0.629289  0.107450  0.192336  1.351482
4 -0.885874 -0.750596 -0.036246  1.189736

# 列索引
print('列索引')
print(df_obj['a']) # 返回Series类型
print(type(df_obj[