pandas模块（3）

3.1重新索引

pandas对象的⼀个重要⽅法是reindex，其作⽤是创建⼀个新对象，它的数据符合新的索引，如下：

In	[91]:	obj	=	pd.Series([4.5,	7.2,	-5.3,	3.6],	index=['d',	'b',	'a',	'c'])
In	[92]:	obj
Out[92]:	
d				4.5
b				7.2
a			   -5.3
c				3.6
dtype:	float64

⽤该 Series 的 reindex 将会根据新索引进⾏重排。如果某个索引值 当前不存在，就引⼊缺失值：

In	[93]:	obj2	=	obj.reindex(['a',	'b',	'c',	'd',	'e'])
In	[94]:	obj2
Out[94]:	
a			   -5.3
b				7.2
c				3.6
d				4.5
e				NaN
dtype:	float64

对于时间序列这样的有序数据，重新索引时可能需要做⼀些插值处理。 method 选项即可达到此⽬的。下面列出reindex函数的各参数及说明：

参数	说明
index	用作索引的新序列。既可以是Index实例，也可以是其他序列型的Python数据结构。Index会被完全使用,就像没有任何复制一样
fill_value	在重新索引的过程中，需要引入缺失值时使用的替代值
limit	前向或后向填充时的最大填充量
method	插值（填充)方式，具体参数请参见表5-4
tolerance	向前后向后填充时，填充不准确匹配项的最大间距（绝对值距离)
level	在Multilndex的指定级别上匹配简单索引，否则选取其子集
copy	默认为True，无论如何都复制;如果为False，则新旧相等就不复制

3.2删除指定轴的项

   丢弃某条轴上的⼀个或多个项很简单，只要有⼀个索引数组或列 表即可。由于需要执⾏⼀些数据整理和集合逻辑，所以drop⽅法 返回的是⼀个在指定轴上删除了指定值的新对象：

In	[105]:	obj	=	pd.Series(np.arange(5.),	index=['a',	'b',	'c',	'd',	'e'])
In	[106]:	obj
Out[106]:	
a				0.0
b				1.0
c				2.0
d				3.0
e				4.0
dtype:	float64
In	[107]:	new_obj	=	obj.drop('c')
In	[108]:	new_obj
Out[108]:	
a				0.0
b				1.0
d				3.0
e				4.0
dtype:	float64

对于 DataFrame ，可以删除任意轴上的索引值。

在drop时⼩⼼使⽤ inplace ，它会销毁所有被删除的数据。

3.3算术⽅法

下表列出Series和DataFrame的算数方法 。它们每个都有⼀ 个副本，以字⺟ r 开头，它会翻转参数。

方法	说明
add,radd	用于加法(+)的方法
sub，rsub	用于减法(-)的方法
div, rdiv	用于除法(/）的方法
floordiv， rfloordiv	用于底除（I)的方法
mul，rmul	用于乘法（*)的方法
pow，rpow	用于指数（**)的方法

3.4 汇总和计算描述统计

pandas对象拥有⼀组常⽤的数学和统计⽅法。它们⼤部分都属于约简和汇总统计，⽤于从Series中提取单个值（如 sum 或mean）或从 DataFrame 的⾏或列中提取⼀个 Series 。

In	[230]:	df	=	pd.DataFrame([[1.4,	np.nan],	[7.1,	-4.5],[np.nan,	np.nan],	

      [0.75,	-1.3]],	index=['a',	'b',	'c',	'd'],columns=['one',	'two'])																																												
In	[231]:	df
Out[231]:	
		one		two
a		1.40	NaN
b		7.10   -4.5
c		NaN		NaN
d		0.75   -1.3

#调⽤DataFrame的sum⽅法将会返回⼀个含有列的和的Series：
In	[232]:	df.sum()
Out[232]:	
one			9.25
two		   -5.80
dtype:	float64

#传⼊axis='columns'或axis=1将会按⾏进⾏求和运算：
In	[233]:	df.sum(axis=1)
Out[233]:
a			1.40
b			2.60
c			NaN
d		   -0.55

有些⽅法（如 idxmin 和 idxmax）返回的是间接统计（⽐如达到最小值或最⼤值的索引），另⼀些⽅法则是累计型的。

#间接
In	[235]:	df.idxmax()
Out[235]:	
one				b
two				d
dtype:	object
#累计
In	[236]:	df.cumsum()
Out[236]:	
		one		two
a		1.40	NaN
b		8.50	-4.5
c		NaN		NaN
d		9.25	-5.8

还有⼀种⽅法，它既不是约简型也不是累计型。 describe 就是⼀个例⼦，它⽤于⼀次性产⽣多个汇总统计。比如：

In	[237]:	df.describe()
Out[237]:	
			    one			two
count		    3.000000	2.000000
mean			3.083333	-2.900000
std				3.493685	2.262742
min				0.750000	-4.500000
25%				1.075000	-3.700000
50%				1.400000	-2.900000
75%				4.250000	-2.100000
max				7.100000	-1.300000

所有与描述统计相关的⽅法如下：

方法	说明
count	非NA值的数量
describe	针对Series或各DataFrame列计算汇总统计
min、max	计算最小值和最大值
argmin、argmax	计算能够获取到最小值和最大值的索引位置（整数)
idxmin、idxmax	计算能够获取到最小值和最大值的索引值
quantile	计算样本的分位数（o到1)
sum	值的总和
mean	值的平均数
median	值的算术中位数（(50%分位数)
mad	根据平均值计算平均绝对离差
var	样本值的方差
std	样本值的标准差
skew	样本值的偏度(三阶矩)
kurt	样本值的峰度(四阶矩)
cumsum	样本值的累计和
cummin、cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分(对时间序列很有用)
pct_change	计算百分数变化

本章节学习完毕