python之pandas库学习(一)

几经辗转，有恐慌，有烦恼，经历了这些这么久，自己最终明白其实在遇到这些事的时候，须自己静下心来学习才是王道

导入pandas：

import pandas as pd

from pandas import Series,DataFrame

1. Series

创建一个Series对象:

import pandas as pd
from pandas import pandas,DataFrame
obj=pd.Series([1,5,7,9])
print(obj

结果:

在这个结果数据中，左边表示的是index,右边是value，因为Series是一个像数组一样的序列，并伴有一个label，叫做index。

可以使用: print(obj.values)，print(obj.index)来查看这个Series的value,index

print(obj.values)

print(obj.index)

当然我们可以去指定我们的index，让它不一定是数值

obj1=pd.Series([1,5,7,9],index=['first','second','thirty','fourth'])
print(obj1)

所以我们可以通过index中的每个label来选择:

print(obj1['first'])

print(obj1[['first','second','fourth']])

记住这里是两个[][] 因为我们将['first','second','fourth'] 整个当做了一个索引index,进行查询

经过上面那些基础知识我们可以用另一种方式去看待Series结构，它是一个长度固定，有顺序的dict(字典),从Series结构的index映射到value，在很多场景可以当作dict来使用。

所以我们可以使用dict来创建Series:

sdata={'nu':1,'li':2,'fen':3,'dou':4}
obj2=pd.Series(sdata)
print(obj2)

看上面那张图，我们知道了我们用字典来创建了Series这个结构，Series的inex顺序就是sdata这个字典的keys顺序,所以我们也可以传入一个自己想要的顺序,例：

sindex=['bu','li','dou','fen']
obj3=pd.Series(sdata,sindex)
print(obj3)

在这里我们可以看到index的顺序是根据sindex中的来的，但是它根据这个顺序在sdata没有找到对应的Index ,它就会将这个表示为NaN。

NaN表示的是数据缺失。在pandas中isnull和notnull函数可以用来检查数据缺失.

print(pd.isnull(obj3))

print(pd.notnull(obj3))

Series结构可以直接obj3.isnull()

Series可以直接修改index，例：

obj:

obj.index=['jia','you','shao','nian']
print(obj)

好了，今天的关于pandas的Series结构学习结束了，希望自己每天都能坚持写一点。加油