Pandas——①基本介绍和基础操作

Pandas——基本介绍和基础操作

python入门常用操作：https://blog.csdn.net/qq_33302004/article/details/112859327

目录

一、numpy和pandas的不同

二、pandas序列操作

---

一、numpy和pandas的不同

• numpy是一个已经序列化好的矩阵或序列，pandas更像一个字典形式的numpy
• 如果说numpy是矩阵，那么pandas就是字典。pandas可以给不同行、列重新命名。
• numpy和pandas非常匹配，常常搭配在一起使用。

二、pandas序列操作

# 二、pandas序列
import pandas as pd
import numpy as np
# 1.生成一个简单的一维数组
# 下面的语句可以理解为新建了一个一维数组，但是每行都有一个标号
s = pd.Series([1,3,6,np.nan,44,1])
print(s)
# 2.生成一个具有行标号和纵标号的二维矩阵
# 生成一个用于行的索引序列
dates = pd.date_range('20210125', periods=6)
print(dates)
# DataFrame是一个matrix，可以理解为二维的numpy 
# ① np.random.randn(6,4)是Data，使用numpy随机数生成
# ② index = dates，定义行索引
# ③ columns = []，定义列索引
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=['a','b','c','d'])
print(df)
# 默认二维矩阵的标号是什么样的：使用0,1,2,3,..去表示
df1 = pd.DataFrame(np.arange(12).reshape((3,4)))
print(df1)
# 3.使用字典创建DataFrame, 每个字典代表一列，key值表示列名
df2 = pd.DataFrame({
    'A':1.,
    'B':pd.Timestamp('20210125'),
    'C':pd.Series(1,index=list(range(4)), dtype='float32'),
    'D':np.array([3]*4, dtype='int32'),
    'E':pd.Categorical(['test','train','test','train']),
    'F':'foo'
})
print(df2)
# 4.输出行标号
print(df2.index)
# 5.输出列标号
print(df2.columns)
# 6.输出每列的标号及其类型
print(df2.dtypes)
# 7.输出全部的值
print(df2.values, type(df2.values))
# 8.describe描述，只对数值类型的元素起作用，输出数据的count、mean、std、min、25%、50%、75%、max
print(df2.describe())
# 9.转置
print(df2.T)
# 10.标号名排序，sort_index，根据标号的名字去排序，axis = 1表示列，axis = 0表示行，ascending表示是否升序
print(df2.sort_index(axis = 1, ascending=False))
print(df2.sort_index(axis = 0, ascending=False))
# 11.根据列值排序，sort_values，根据值排序，by列标号名
print(df2.sort_values(by='E'))