Pandas

Series

Series是一个带标签的一维数组

Series的创建方式

1. 列表创建

b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd'])

2. 标量创建

s = pd.Series(25, index = ['a', 'b', 'c']) #不能省略index

3. 从字典创建

d = pd.Series({'a' : 9, 'b' : 8, 'c' : 7})
# 改变形状
d = pd.Series({'a' : 9, 'b' : 8, 'c' : 7}, index = ['c', 'a', 'b', 'd'])

4. 利用Numpy中的Array

n = pd.Series(np.arange(5))

索引方式

1. 自动索引和自定义索引并存,但是不能混合使用，同样直接访问丢失维度，变成一个数

b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd'])
print(b[1])
print(b['b'])

Result

8
8

2. 切片

b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd'])
print(b[:3])

Result

a    9
b    8
c    7
dtype: int64

操作方式

1. 可以使用Numpy中的函数

b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd'])
np.exp(b)

Result

a    8103.083928
b    2980.957987
c    1096.633158
d     403.428793
dtype: float64

2. 基本运算操作是对其索引值相同的值进行运算

a = pd.Series([1, 2, 3], index = ['b', 'c', 'd'])
b = pd.Series([9, 8, 7, 6], index = ['a', 'b','c', 'd'])
a + b

Result

a    NaN
b    9.0
c    9.0
d    9.0
dtype: float64

DataFrame

DataFrame 由共用相同索引的一组列组成（表格类型）
既有行索引也有列索引

创建方式

1. 由二维的array来创建

d = pd.DataFrame(np.arange(10).reshape(2, 5))

Result

2. 由一维array对象字典创建

dt = {'one': pd.Series([1, 2, 3], index = ['a', 'b', 'c']),
       'two': pd.Series([9, 8, 7, 6], index = ['a', 'b', 'c', 'd'])}
d = pd.DataFrame(dt)

Result

3. 从列表类型字典创建

dl = {'one': [1, 2, 3, 4], 'two':[9, 8, 7, 6]}
d = pd.DataFrame(dl, index = ['a', 'b', 'c', 'd'])

Result

访问方式

先创建一个表格

dl = {'城市': ['北京', '上海', '广州', '沈阳', '深圳'],
      '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
      '同比': [120.7, 127.3, 119.4, 140.9, 101.4],
      '定基': [121.4, 127.8, 120.0, 145.5, 101.6]}
b = pd.DataFrame(dl, index = ['c1', 'c2', 'c3', 'c4', 'c5'])

print(b['同比'])
print()
# 访问行
print(b.loc['c2'])
print()
print(b['同比']['c2'])

Result

c1    120.7
c2    127.3
c3    119.4
c4    140.9
c5    101.4
Name: 同比, dtype: float64

城市       上海
环比    101.2
同比    127.3
定基    127.8
Name: c2, dtype: object

127.3

重新索引，改变行列的排列方式

dl = {'城市': ['北京', '上海', '广州', '沈阳', '深圳'],
      '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
      '同比': [120.7, 127.3, 119.4, 140.9, 101.4],
      '定基': [121.4, 127.8, 120.0, 145.5, 101.6]}
b = pd.DataFrame(dl, index = ['c1', 'c2', 'c3', 'c4', 'c5'])


b.reindex(columns = ['城市', '定基', '同比', '环比'])
b.reindex(index = ['c1', 'c2', 'c5', 'c3'])

Result