pandas基础操作

前面已经学习了numpy，numpy能够帮助我们处理 数值型数据，而 pandas就能很好的帮助我们处理除了数值型的其他数据。

pandas中有两个常用的类：

• Sersies
• DataFrame

1.Series

Pandas Series 类似表格中的一个列（column），类似一维数组，由下面两个部分组成：

• values：一组数据(数据类型要求统一）
• index：相关数据的索引标签

1.Series的创建

1.由列表或numpy数组创建

import pandas as pd
import numpy as np
data=[1,2,3,4]
#使用列表创建
s1=Series(data)
s2=Series(data=[1,2,3,'four'])
#自定义索引（显示索引可以增强series的可读性）
s3=Series(data=[1,2,3,'four'],index=['a','b','c','d'])
#使用np数组创建
s4=Series(np.random.randint(0,100,size=(3,)))

2.由字典创建

from pandas import Series
#使用字典创建
dic={
    '语文':90,
    '数学':100,
    '英语':88
}
s=Series(data=dic)
print(s)
#可直接通过索引读取内容
print(s.语文)
#Series的切片操作和numpy数组的一致
print(s[0:2])

2.Series的常用属性以及常用方法

1.Series的常用属性

• shape：返回series的形状
• size：返回元素个数
• index ：返回索引
• values ：返回值
• dtype：返回元素类型

2.Series的常用方法

• head()，tail() ：默认显示前5个或后5个
• unique()：去重
• isnull()，notnull()：判断每个元素是否为空
• add()，sub()，mul()，div()：加减乘除运算操作
• Series的算术运算：
  索引一致的元素进行算术运算，否则补空

s1=Series(data=[1,2,3],index=['a','b','c'])
s2=Series(data=[1,2,3],index=['a','d','c'])
s=s1+s2

2.DataFrame

DataFrame是一个表格型的数据结构。可以理解为将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：vlalues

1.DataFrame的创建

Dataframe 有三种常用的创建方式：由数组/list组成的字典；由Series组成的字典；由二维数组直接创建

#DataFrame的参数
DataFrame(
    data=None,
    index: Union[Collection, NoneType] = None,
    columns: Union[Collection, NoneType] = None,
    dtype: Union[str, numpy.dtype, ForwardRef('ExtensionDtype'), NoneType] = None,
    copy: bool = False,
)

1.由数组/list组成的字典创建

数组/List的维度要一致

dic={
    'name':['xiaoli','wangwu','lisi'],
    'salary':[100,234,678]
}
df3=DataFrame(data=dic)

2.由Series组成的字典创建

维度不一致可用Nan补齐

#使用Series数组创建
s1=pd.Series(data=[1,2,3,4],index=list('abcd'))
s2=pd.Series(data=[1,2,3],index=list('abc'))
dic={
    's1':s1,
    's2':s2
}
df=pd.DataFrame(dic)

3.ndarray二维数组创建

from pandas import DataFrame
#使用二维数组创建
df1=DataFrame(data=[[1,2,3],[4,5,6]],index=['first','second'],columns=['a','b','c'])
df2=DataFrame(data=np.random.randint(0,100,size=(3,4)))

2.DataFrame的属性

• shape：返回series的形状
• size：返回元素个数
• index ：返回行索引
• columns:返回列索引
• values ：返回值
• dtype：返回元素类型（只能单独看一行或一列）

3.DataFrame的索引和切片操作

loc：通过显式索引取行
iloc：通过隐式索引取行

import numpy as np
from pandas import DataFrame
dic={
    'a':[100,90,102,80],
    'b':[90,80,70,98],
    'c':[60,88,89,100],
    'd':[20,70,60,90] 
}
df=DataFrame(data=dic,index=['一','二','三','四'])

1.DataFrame的索引操作

注意：取单行和取单列的区别，有显式索引的时候，取单列必须要用显式索引

• 取单列：df[col] (如果df有显式的索引，通过索引机制取列的时候只能用显式索引）
• 取多列： df[[‘a’,‘c’]]
• 取单行：df.loc[index]；df.iloc[index]
• 取多行： df.iloc[[index1,index3]]
• 取元素：df.loc[index,col]；df.iloc[index,col]；df.at[index,col]
• 取多个元素：df.loc[[index1,index3],[col2,col3]]；df.iloc[[index1,index3],[col2,col3]]

df['a'] #取单列
df[['a','c']]#取多列
#显式取
df.loc['一'] #取单行
df.loc[['一','四'],['a','c']] #显式取多行多列
df.loc['一','a'] #显式取元素
#隐式取
df.iloc[0] #取单行
df.iloc[[0,2]] #取多行
df.iloc[[0,2],[0,1]]#显式取多行多列

2.DataFrame的切片操作

• 切行：df[index1:index3]
• 切列：df.iloc[：,col1:col3]；df.loc[：,col1:col3]
• 切行切列：df.iloc[index1:index3,col1:col3] ；df.iloc[index1:index3,col1:col3]

df['一':'三'] #显式切行
df.loc[:,'a':'b']#显式切列
df.loc['一':'三','a':'b'] #显式切行列
df[0:3]  #隐式切行
df.iloc[:,0:3]  #隐式切列
df.iloc[0:2,0:3]  #隐式切行列

3.DataFrame的算术运算

同Series的算术运算（相同位置的数进行运算）

4.时间数据类型的转换

• 时间数据类型的转换：pd.to_datetime(col)
• 将某一列设置为行索引：df.set_index()

from pandas import DataFrame
dic={
    'time':['2022-08-11','2022-09-12','2022-10-13'], #time为字符串类型
    'temp':[38,30,20]
}
df=DataFrame(data=dic)

#将time的字符串类型转化成时间序列类型
import pandas as pd
df['time']=pd.to_datetime(df['time']) #time为时间序列类型

#将time列作为原始数据的行索引
df.set_index('time',inplace=True)