一、Pandas 基本数据结构
1.series
类似一维数组的对象,由一组数据(各种numpy数据类型)和与之相关的索引列组成。
创建:
(1)obj = Series([1,2,3,4],index=[‘a’,‘b’,‘c’,‘d’])
此索引是自定义的,默认的索引是0123,读取的时候既可以用自定义的索引值,也可以用默认的索引来读取。
读取:obj[0] 或者 obj[‘a’] 2个读取:obj[[‘a’,‘c’]] 区间读:obj[‘a’:‘c’]
修改:obj[‘a’]=50
(2)city = {‘beijing’:35000,‘shanghai’:45000,‘guangzhou’:50000,‘shenzhen’:55000}
s2 = Series(city)
通过字典来创建series.字典的key会自动变成index
规定索引顺序:index2 = [‘beijing’, ‘shanghai’, ‘guangzhou’, ‘shenzhen’]
s3 = Series(city,index=index2)
规定顺序后依然可以更改索引:s3.index = list(‘abcd’)
2.DataFrame
表格型数据结构,有行索引和列索引,行索引:index ;列索引:columns
创建:
(1)由等长列表或Numpy数组构成的字典:
import pandas as pd
from pandas import Series,DataFrame
data = {
'city':['beijing','shanghai','guangzhou','shenzhen','wanwan'],
'year':[2014,2015,2016,2017,2018],
'pop':[1.5,1.7,1.0,2.1,2.3]
}
df1 = pd.DataFrame(data)
# 自定义列的显示顺序
df2 = DataFrame(data,columns=['year','city','pop'])
# 读取数据
df2.city #方法1
df2['year']#方法二
df2['city'][3] #读取城市中下标为3的。'shenzhen'
#重新赋值
df2['pop'][2]=1.9
# 赋值的列名不存在,会新建一列,如果长度比索引的长度长,则会报错,如果给一个值,那么一列就会被填充满这个值
df2['debt'] = np.arange(5.0) #长度刚好,正确
# 改索引值,按照‘,’分割,改的是行索引的值,默认的是01234
df2.index = 'one,two,three,four,five'.split(',')
# 再加一列,赋值的类型为Series.会在索引值对应的地方填上数字,无值的地方用nan填充
df2['debt2'] = Series([-10,-30,-50],index=['one','two','five'])
#再加一列,即使长度一致也要保证index的匹配,否则没有值,会显示NAN
df2['debt3'] = Series([9,8,'k','a','k'],index = 'one,two,three,four,five'.split(',') )
#再加一列,我们从已有的列中而来的数据不规定索引也能添加数据,返回的是df2.city=='上海'的值,是一些布尔类型的值
df2['pcity'] = (df2.city=='shanghai')
#删除列:
del df2['debt3']
(2)嵌套字典(即字典中的字典)
#第一个key是列索引,第二个Key是行索引
data2 = {
'shanghai':{
2000:2.4,2001:3.5},
'beijing':{
2001:3.4,2002:4.4}
}
df3 = DataFrame(data2)
# 转置
df3.T
#给行和列索引取名
df3.index.name='年份'
df3.columns.name='城市'
** 额外的小知识 **
时间处理:用日期做索引
#随便定义的8天的日期
dates = pd.date_range('20181001',periods=8) #期间为8
#将时间作为索引
df4 = DataFrame(np.random.randn(8,5),index=dates,columns=list('ABCDE')) #8行5列的随机数
二、Series与DataFrame中的索引
1.读取 赋值和删除
1).series
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
#准备一个Series
s = Series(np.arange(4),index=list('ABCD'))
#读取所有的index
s.index
#读取index中下标为2的
s.index[2]
#index是不能更改和赋值的
s.index[2]= 'H' #不能修改赋值
# series的删除
del s['D']
2).DataFrame
object.drop(‘XXX’,axis=0) 默认删除横向数据
object.drop(‘YYY’,axis=1)纵向删除
#准备一个DataFrame
df = DataFrame(
np.arange(16).reshape(4,4),
index = list('abcd'),
columns= 'one|two|three|four'.split('|')
)
# 返回删除后的返回值,原数据不变
drop1 = df.drop(['a','b'])
# 纵向删除 一定要加上轴
drop1.drop(['four'],axis=1)
#读取 DataFrame 行索引,一列
df.loc['b'] #根据索引读取 location
df.iloc[1] #根据下标读取 index location
2.索引的选区和过滤
#准备一个series
s1 = Series(
np.arange(2,9)