Python：pandas模块的简介及常用方法

1. 导入pandas库

import pandas as pd

2.pandas数据结构简介
pandas的核心为两大数据结构，数据分析相关的所有事务都是围绕着这两种结构进行的：
Series Series这类数据结构用于存储一个序列的一维数据，
DataFrame 用于存储多维数据（类似于excel表格的结构）。
2.1 Series
pandas库的Series对象用来表示一维数据结构，跟数组array类似，但多了一些额外功能。它的内部结构很简单，由两个相互关联的数组组成，其中主数组用来存放数据。主数组的每个元素都有一个与之相关联的标签，这些标签存储在另外一个叫做Index的数组中。

2.1.1声明Series对象
声明Series时，若不指定标签，pandas默认使用从0开始依次递增的数值作为标签。这种情况下，标签与Series对象中元素的索引（在数组中的位置）一致。

s = pd.Series([12, -4, 7, 9])

也可以用NumPy数组或其他Series对象定义新Series对象
（注：numpy引用：import numpy as np）

arr = np.array([1, 2, 3, 4])
s1 = pd.Series(arr)

因此，调用构造函数时，就需要制定index选项，把存放有标签的数组赋给它，其中标签为字符串类型。

s = pd.Series([12, -4, 7, 9], index=[‘a’, ‘b’, ‘c’, ‘d’])

s.values

s.index

我们还可以把Series对象当做字典对象来用。定义Series对象时，就可以利用这种相似性。事实上，我们可以用事先定义好的字典来创建Series对象。(该方法与指定索引的效果相同)

mydict = {'red':2000, 'blue':1000, 'yellow':500, 'orange':1000}
s2 = pd.Series(mydict)

2.1.2选择内部数据
若想获取Series对象内部的元素，把它作为普通的NumPy数组，指定键即可（即位置，从0开始）。

s[2]

或者，指定位于索引位置处的标签。

s[‘c’]

跟从NumPy数组选择多个元素的方法相同：

s[0:2]

（选取位置时包含起始键但不包括终止键的数据，即：[0:2]取键为0,1的数据不包含2）

s[[‘a’, ‘b’]]

（当用索引查找多个数据时，索引必须用list包起来）

查找尽量用索引，键不稳定（两个连续的索引重复，会报IndexERROR）

2.1.3为元素赋值

s[0] = 0

s[‘b’] = 1

2.1.4筛选元素

s > 8
s[s > 8]

2.1.5 Series对象运算和数学函数（对每个元素都进行运算得到的Series必须重新赋值，s不会有改变）

s + 2
s - 2
s * 2
s / 2

2.1.6 Series对象的组成元素

serd = pd.Series([1, 0, 2, 1, 2, 3], index=[“white”, “white”,”blue”, “green”, “green”, “yellow”])

serd.unique()（对Series对象的values去重, 返回结果为一个数组array）

serd.value_counts()（跟unique()函数相似，不仅返回各个不同的元素，还计算每个元素在Series中的出现次数）
新的Series的index代表去除后的元素，values代表出现次数

isin()函数用来判断所属关系，也就是判断给定的一列元素是否包含在数据结构之中。Isin()函数返回布尔值，可用于筛选Series和DataFrame列中的数据:

serd.isin([0, 3])

serd[serd.isin([0, 3])]

2.1.8NaN
NaN（Not a Number，非数值）、None、NULL。数据结构中若字段为空或者不符合数字的定义时，用这个特定的值来表示。

s2 = pd.Series([5, -3, np.NaN, 14])

Isnull()和notnull()函数用来识别没有对应元素的索引时非常好用。

s2.isnull()
s2.notnull()

这两个函数可用作筛选条件：

s2[s2.notnull()]
s2[s2.isnull()]

2.1.8 Series对象之间的运算
Series对象之间进行运算时，在标签相对应元素之间进行计算当找不到对应的标签时，返回NaN（Series能够通过标识符标签对齐不一致的数据）。

mydict = {'red':2000, 'blue':1000, 'yellow':500, 'orange':1000}
myseries = pd.Series(mydict)

mydict2 = {'red':400, 'yellow':1000, 'black':700}
myseries2 = pd.Series(mydict2)

myseries + myseries2

Series的简介和基本用法差不多就介绍完了

未完待续……….