python的第三方库pandas中两种数据结构Series，DataFrame的介绍与使用

Pandas的介绍

    pandas是数据分析的一个核心框架，集成了数据结构化和数据清洗以及分析的一些方法。pandas在numpy的基础上新增了三个数据类型，Series、DataFrame、Panel。

Pandas的使用

#导入pandas和numpy包

import numpy as np

import pandas as pd

1、Series

Series是一种类似与一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签

#引入Series

from pandas import Series

(1)Series的创建（有两种方式）：

第一：由列表或numpy数组创建，默认索引为0到N-1的整数型索引

#创建numpy数组

nd = np.array([1,2,3,4])

#创建Series

s = Series(nd) # 没有指定索引默认0~N-1

#由数组创建

s = Series([1,2,3,4,5],index=list("abcde"))

s

#索引值可以重复

s = Series([1,2,3,4,5,6],index=["A","A","B","B","A","C"])

s

注意： 由数组和列表创建Series是一个浅拷贝（只拷贝引用地址，不拷贝对象本身）

第二种：由字典创建

dic = {"语文":100,"数学":100,"英语":100,"理综":200}
s1 = Series(dic)
s1

注意：由字典创建Series是一个创建副本的过程（也叫深拷贝）

（2）Series的索引以及切片

 1.使用显式索引切片

    - 使用index中的元素作为索引值


    - 使用.loc[]（推荐），取值是闭区间


示例如下：

#通过索引值来查找数据

s["a"]或者s.loc["a"]

#从s中截取子series对象

s.loc[["a","b"]]

#为索引赋值,允许整体赋值但不允许单独赋值

s.index = list("abcdef")s

2.使用隐式索引：


- 使用整数作为索引值


- 使用.iloc[]（推荐），取值是半开区间


示例如下：

#通过下标来查找数据

s.iloc[0]

#通过下标来查找多个下标的数据

s.iloc[[0,1]]  

（3）pandas对于Series的一些其他使用

1、生成Series数据，当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况。

s = Series({"a":123,"b":345,"c":685},index=list("abcdef"))


或者：s.index = list("abcdnm")

s

可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据

如：pd.isnull(s)或者s.isnull()

s[s.notnull()]

# 一个Series如果索引和另外一个完全一致，值是bool类型，这个Series是可以作为另外一个Series的索引来查找对应元素的，查找的结果就是所有bool为True那些索引对应的元素

s1 = Series({"a":True,"b":False,"c":True,"d":False,"n":True,"m":True})


s[s1]

2、Series对象本身及其实例都有一个name属性，name属性是series在DataFrame中的表头信息

s.name = "python"

s

3、使用过滤条件

s = Series({"a":1,"b":2,"c":3})

a = s > 2#得出的是bool类型

nd[a]#得出的是满足条件的值，类型为数组

4、s1与s2分别为Series生成的数据

#找到n中值为空的数据，把105,106 保存起来

n = s1.add(s2)

n[n.isnull()]=105,106      
n

2、DataFrame

（1）DataFrame的介绍

它是由Series构成的，一个类似于表格的数据结构，可以看做是【由Series组成的字典】（共用同一个索引）。DataFrame由按一定顺序排列的多列数据组成。它可以将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（numpy的二维数组

（2）DataFrame的创建

    最常用的方法是使用一个字典来创建。DataFrame以字典的键作为每一列的名称，以字典的值（一个数组）作为每一列的值。此外，DataFrame会自动加上每一行的索引（和Series一样）。同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

#导入DataFrame


from pandas import DataFrame


dic = {#创建字典
    "语文":[120,130,140,110,110,100],
    "数学":[130,110,100,100,100,120],
    "外语":[120,130,123,125,112,143],
    "综合":[230,240,254,234,100,100]

}

#指定索引abcd,如果不指定索引，默认是把当前行的位置序列做为索引

#DataFrame属性包括：values(值)、columns(列索引)、index(行索引)、shape(形状)


df = DataFrame(dic,index=list("abcde"))

df

df.values# 得到的是一个二维数组

df.index #得到的是 index索引对象也就是行名

df.index = list("ABCDEF") # index只能整体赋值不能单独赋值

df.columns  #得到 index对象也就是列名

df2 = DataFrame(dic,columns=["姓名","语文","数学","外语","综合"])

df2#columns不能单独赋值只能整体赋值

nd = np.random.randint(0,150,size=(4,4))#创建4行4列的矩阵

df3 = DataFrame(nd,index=list("abcd"),columns=list("ABCD"))

df3#生成DataFrame

df4 = DataFrame({"张三":150,"李四":100},index=["语文","数学","英语","理综"])

df4#生成DataFrame

对DataFrame结构的数据进行索引

1)对列进行索引

第一种可以通过类似于字典的方式，第二种可以通过属性的方式

dic = {
    "姓名":["小明","刘红","明子","基恩",夫卡","偌大"],
    "语文":[120,130,140,110,110,100],
    "数学":[130,110,100,100,100,120],
    "外语":[120,130,123,125,112,143],
    "综合":[230,240,254,234,100,100]
}
df = DataFrame(dic,index=list("abcdef"))
df.columns = ["python","java","h5","c++","php"]

df

df.java#以属性形式取值

df["java"]# 键值的形式取值

#索引多列

#属性不能索引多列

df[["python","java"]] #键值的形式 索引多列得到一个DataFrame

df[["python"]]   #得到的依然是一个DataFrame

注意： 对列进行切片没有意义

2）对行进行索引


使用.ix[]来进行行索引,返回的是一个Series，其中index为原来的columns。


- 使用 .loc[]加index来进行行索引


-使用 .iloc[]加整数来进行行索引

df.ix["a"]    #通过行索引

df.loc["a":"b"]#使用显式索引,在行上面进行切片处理

df.iloc[0:3]#使用隐式索引（行号）进行索引切片处理

df.loc["a","python"]   #进行索引时要先找行，再去找列#；不能先列后行

df.iloc[1,1] # 进行隐式索引时相当于索引数组