1_pandas_介绍

Pandas

什么是Pandas?
Pandas的名称来自于面板数据（panel data）和Python数据分析（data analysis）。

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构 和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。

+ 一个强大的分析和操作大型结构化数据集所需的工具集

+ 基础是NumPy，提供了高性能矩阵的运算

+ 提供了大量能够快速便捷地处理数据的函数和方法

+ 应用于数据挖掘，数据分析

+ 提供数据清洗功能

1. 数据结构介绍

   在pandas中有两类非常重要的数据结构，即序列Series和数据框DataFrame。

   • 序列Series:

   numpy中的一维数组，除了通吃一维数组可用的函数或方法，而且其可通过索引标签的方式获取数据，还具有索引的自动对齐功能；

   • DataFrame:

   类似于numpy中的二维数组，同样可以通用numpy数组的函数和方法，而且还具有其他灵活应用。

Series的创建

序列的创建方式主要有三种方式

1. 通过一维数组创建序列

import numpy as np
import pandas as pd

arr=np.arange(10)
print(arr)
s1=pd.Series(arr)
print(s1)

[0 1 2 3 4 5 6 7 8 9]
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

2. 通过字典的方式创建

import numpy as np
import pandas as pd
import string
# 字典推导式
a={string.ascii_uppercase[i]:i for i in range(10)}
print(a)
s2=pd.Series(a)
print(s2)

## index
# 这里的索引就是字典的key

## 重新给其制定其他的索引之后，如果能够对应上，就取值，如果不能，就为Nan
s3=pd.Series(a,index=list(string.ascii_uppercase[5:15]))
print(s3)

## numpy中NaN为float，pandas会自动根据数据类型更改series的dtype

{'A': 0, 'B': 1, 'C': 2, 'D': 3, 'E': 4, 'F': 5, 'G': 6, 'H': 7, 'I': 8, 'J': 9}
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int64
F    5.0
G    6.0
H    7.0
I    8.0
J    9.0
K    NaN
L    NaN
M    NaN
N    NaN
O    NaN
dtype: float64

3. 通过DataFrame中的某一行或某一列创建序列

   在后面讲

DataFrame的创建

数据框的创建主要有三种方式：

1. 通过二维数组创建数据框

import numpy as np
import pandas as pd

arr=np.array(np.arange(12)).reshape(4,3)
print(arr)

df1=pd.DataFrame(arr)
print(df1)

   0   1   2
0  0   1   2
1  3   4   5
2  6   7   8
3  9  10  11

DataFrame对象既有行索引，又有列索引

行索引，表明不同行，横向索引，叫index，0轴，axis=

列索引，表名不同列，纵向索引，叫columns，1轴，axis=1