pandas第一天

# seriees常用属性

下面我们介绍 Series 的常用属性和方法。  

在下表列出了 Series 对象的常用属性。

名称  属性  

1.axes  以列表的形式返回所有行索引标签。  

2.dtype 返回对象的数据类型。  

3.empty 返回一个空的 Series 对象。  

4.ndim  返回输入数据的维数。  

5.size  返回输入数据的元素数量。  

6.values    以 ndarray 的形式返回 Series 对象。  

7.index 返回一个RangeIndex对象，用来描述索引的取值范围。  

# dataframe入门  

DataFrame 是 Pandas 的重要数据结构之一，也是在使用 Pandas 进行数据分析过程中最常用的结构之一，可以这么说，掌握了 DataFrame 的用法，你就拥有了学习数据分析的基本能力。  

DataFrame 一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。其结构图示意图，如下所示：

同 Series 一样，DataFrame 自带行标签索引，默认为“隐式索引”即从 0 开始依次递增，行标签与 DataFrame 中的数据项一一对应。上述表格的行标签从 0 到 5，共记录了 5 条数据（图中将行标签省略）。当然你也可以用“显式索引”的方式来设置行标签。

下面对 DataFrame 数据结构的特点做简单地总结，如下所示：  

* DataFrame 每一列的标签值允许使用不同的数据类型；  

* DDataFrame 是表格型的数据结构，具有行和列；  

* DDataFrame 中的每个数据值都可以被修改。  

* DDataFrame 结构的行数、列数允许增加或者删除；  

* DDataFrame 有两个方向的标签轴，分别是行标签和列标签；  

* DDataFrame 可以对行和列执行算术运算。  

# 创建DataFrame对象  

import pandas as pd  

pd.DataFrame( data, index, columns, dtype, copy)

# Pandas Panel三维数据结构  

Panel 是一个用来承载数据的三维数据结构，它有三个轴，分别是 items（0 轴），major_axis（1 轴），而 minor_axis（2 轴）。这三个轴为描述、操作 Panel 提供了支持，其作用介绍如下：

* items：axis =0，Panel 中的每个 items 都对应一个 DataFrame。  

* major_axis：axis=1，用来描述每个 DataFrame 的行索引。  

* minor_axis：axis=2，用来描述每个 DataFrame 的列索引。  

pandas.Panel()  

您可以使用下列构造函数创建一个 Panel，如下所示：  

pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)  

import pandas as pd  

p = pd.Panel()  

print(p)

# Python Pandas描述性统计  

描述统计学（descriptive statistics）是一门统计学领域的学科，主要研究如何取得反映客观现象的数据，并以图表形式对所搜集的数据进行处理和显示，最  终对数据的规律、特征做出综合性的描述分析。Pandas 库正是对描述统计学知识完美应用的体现，可以说如果没有“描述统计学”作为理论基奠，那么   Pandas 是否存在犹未可知。下列表格对 Pandas 常用的统计学函数做了简单的总结：  

函数名称    描述说明  

count() 统计某个非空值的数量。  

sum()   求和  

mean()  求均值  

median()    求中位数  

mode()  求众数  

std()   求标准差  

min()   求最小值  

max()   求最大值  

abs()   求绝对值  

prod()  求所有数值的乘积。  

cumsum()    计算累计和，axis=0，按照行累加；axis=1，按照列累加。  

cumprod()   计算累计积，axis=0，按照行累积；axis=1，按照列累积。  

corr()  计算数列或变量之间的相关系数，取值-1到1，值越大表示关联性越强。