Pandas简介及常用函数

Pandas包含两大数据结构Series , DataFrame

1  Series对象

1.1  定义Series对象

Series对象用来表示一位数据结构，含有两列数据Index(索引)、value(数据)

调用Series（）构造函数，要以数组的方式传入，即

>>> pd.Series([12,6,9], index = [‘a’,’b’,’c’])

也可以用numpy 或者现有的Series对象动态定义新Series对象

可以用事先定义好的字典来创建Series对象，索引列默认用字典的键来填充，也可重新指定索引，如果索引列没有数据，则填充为NaN

1.2  数学运算

（+、-、*、/）和其他数学函数也适用于Series，但是Numpy库的数学函数必须指明出处，np.log(s)#s为Series对象

Series1 + Series2，标签相同的元素相加，不同标签的值被填充为0。要是想保留标签不同的数值，用Series1.add(Series2)

1.3  组成元素

Series.unique(  ):统计Series中去重后的元素，但是顺序比较随意

Series.value_counts( )：统计Series中唯一元素及其出现的次数

Series.isin( )：判断给定的元素是否在Series中，返回布尔值

Series.isnull( )和Series.notnull( )：识别有无NaN元素（适用于Series ,和DataFrame）

2  DataFrame对象

DataFrame的数据结构与Excel极为相似

2.1  定义DataFrame对象

创建一个dict对象传递给DataFrame

>>> dict = { ‘number’ : [ ‘one’, ‘ two’ ] , ‘color’ :[ ‘blue’, ‘black’ ]}
>>> frame = pd.DataFrame( dict )

用嵌套字典生成 # 对应索引没有元素时，pandas会用NaN填充

>>> nestdict = { ‘blue’:{2012:22 , 2013:26} , 
‘black’ : {2012:26, 2013:29 , 2014:46} ,
‘green’ : {2012:16, 2013:25 } } 
>>> frame2 = pd.DataFrame( nestdict )

或者直接构造，即

>>> pd.DataFrame(data, #数字矩阵
Index, #标签
columns #列名)

2.2  元素选取和赋值

DataFrame.columns：显示DataFrame对象所有列的名字

DataFrame.index：获取索引列表

DataFrame.values：获取所有元素

DataFrame.ix [ number ] ：获取number+1行的所有元素

DataFrame.ix [ list [ number1 , number2 ] ]:获取number1+1、number2+1行的所有元素

DataFrame.index.name = ‘id’ : 索引组列名为id

DataFrame.columns.name = ‘item’ : 各数组列名的索引为item

DataFrame [ ‘columns_number’ ] = data :新增一列columns_number，数值为data

DataFrame.drop（labels = [col1 , col2] , axis = 1)  ：删除col1和col2两列数据 #并未改变原DataFrame的数值

Del DataFrame[col1]：删除col1数据   #把原DataFrame的col1列数据删除

数值筛选：关系符号直接与DataFrame做比较，返回布尔值（DataFrame表中元素全为float或int）

DataFrame.T :内容转置

2.3  数学运算

DataFrame1 + DataFrame2，标签相同的元素相加，不同标签的值被填充为0。

Pandas允许DataFrame和Series两种不同数据结构相加，两者运算时，DataFrame对象各元素运算操作Series对象索引与之相同的元素，若索引列只存在其中一个数据结构中，则运算结果会为2该索引项生成一列，只不过该列所有元素为NaN

3  index对象

index对象不可更改，但是可以对元素的索引列进行更换（重新定义）

idmin( )和idmax()：返回索引列的最小、最大值

index.is_unique ：判断该数据结构的标签列是否存在重复值，返回布尔值

reindex( list , index = [] )：重新编制索引 #在数据量较多的时候，存在操作麻烦

插值索引：redindex( list , method = ‘ffill’ #’ffill’或’pad 前向填充

                        method = ’bfill’或’backfill 后向填充)

  注意：重新编制索引后，如果数据类型原本是int , 因为index发生了变化，启用fill_value参数，此参数为float类型，故数据类型会变成float