Pandas学习总结（一）

1、Pandas简介

pandas是python的核心数据支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观的出路关系型、标记型数据。

1.1Pandas处理的数据类型

与SQL或Excel表类似的，含异构列的表格数据；
有序和无序（非固定频率）的时间序列数据；
带行列标签的矩阵数据，包括异构或同构型数据；
任意其他形式的观测、统计数据集，数据转入Pandas。
Pandas处理浮点与非浮点数据里的缺失数据，表示为NaN。
Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），
大小可变：插入或删除 DataFrame 等多维对象的列
自动、显式数据对齐：显式地将对象与一组标签对齐，也可以忽略标签，在 Series、DataFrame 计算时自动与数据对齐

2、Pandas的数据结构

Series：一维维数，带标签的一维同构数组
DataFrame：二维维数，带标签的，大小可变的，二维异构表格。
Pandas 数据结构就像是低维数据的容器。比如，DataFrame 是 Series 的容器，Series 则是标量的容器。使用这种方式，可以在容器中以字典的形式插入或删除对象。
处理 DataFrame 等表格数据时，index（行）或 columns（列）比 axis 0 （也代表行）和 axis 1 （代表列）更直观。

2.1数据结构大小可变与数据复制

Pandas 所有数据结构的值都是可变的，但数据结构的大小并非都是可变的，比如，Series 的长度不可改变，但 DataFrame 里就可以插入列。
Pandas 里，绝大多数方法都不改变原始的输入数据，而是复制数据，生成新的对象。 一般来说，原始输入数据不变更稳妥。

3、Pandas入门

3.1Series对象

Series对象是一个带索引的数据构成的一维数组，用数组生成创建，一组数据和一组索引是绑定在一起的。
创建Series对象
pd.Series(data,index=名称)

import numpy as np     #导入数据库numpy和pandas
import pandas as pd
s = pd.Series([1,3,5,np.nan,6,8])    #Series：一维数据结构
s

0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64

可以通过values属性和index属性获取数据
使用values属性获取数据值

s.values
array([ 1.,  3.,  5., nan,  6.,  8.])

使用index查看索引号

s.index
RangeIndex(start=0, stop=6, step=1)

index也可以加上行的名称

#index代表：行名
D = pd.Series([0.25,0.5,0.75,1.0],index=['a','b','c','d'])
D

a 0.25
b 0.50
c 0.75
d 1.00
dtype: float64
使用字典创建一个Series对象

P = {'cal' : 38332,
    'Texes':26448,
    'New':19651,
    'Flo':19552,
    'Ill':12882}
P
pop = pd.Series(P)
pop

cal 38332
Texes 26448
New 19651
Flo 19552
Ill 12882
dtype: int64

3.2 DataFrame对象

DataFrame包含既有灵活的行索引，又有灵活的列名的二维数组。
创建DataFrame对象：df=pd.Dataframe(data,index=行名，columns=列名)

#用含有日期时间索引与标签的Numpy数组生成DataFrame
import numpy as np     #导入数据库numpy和pandas
import pandas as pd
dates = pd.date_range('20200615',periods = 6)
dates

DatetimeIndex(['2020-06-15', '2020-06-16', '2020-06-17', '2020-06-18',
               '2020-06-19', '2020-06-20'],
              dtype='datetime64[ns]', freq='D')

#np.random.randn(6,4)代表生成6行四列的随机数据
#index代表：行名，index=dates:索引是dates数据
#columns代表：列名，columns=lisr('ABCD'):代表列名为表格（‘ABCD’）
df = pd.DataFrame(np.random.randn(6,4),index = dates,columns=list('ABCD'))
df  

#获取行索引标签
df.index

DatetimeIndex(['2020-06-15', '2020-06-16', '2020-06-17', '2020-06-18',
               '2020-06-19', '2020-06-20'],
              dtype='datetime64[ns]', freq='D')

#获取列索引标签
df.columns

Index(['A', 'B', 'C', 'D'], dtype='object')

查看DAtaFrame头部和尾部数据

#查看头部
df.head()

#查看后三行数据
df.tail(3)

#查看索引名
df.index

#查看列名
df.columns