数据分析利器——python中pandas的使用（1）

第十八讲

pandas的使用

pandas本质上是在numpy基础下进行的二次封装

主要用来解决业务逻辑

pandas主要提供了俩种对象

1. Series(一维列表)
2. DataFrame（二维列表）

import pandas as pd
import numpy as np
from pandas import Series,DataFrame
Series([1,2,3])

输出结果

0    1
1    2
2    3
dtype: int64

左边有索引，但是显示的是默认索引，这给我们提供一个思路，也就是我们可以对索引进行重命名，让索引方式符合我们的日常使用习惯

Series([1,2,3],index=['tom','jack','lucy'])

输出结果

tom     1
jack    2
lucy    3
dtype: int64

Series的索引机制非常符合我们用户的习惯，像定向搜索等，所以Series更加适合去处理业务，提升可读性

访问类型

1. 显示访问

s = Series([1,2,3],index=['tom','jack','lucy'])
s['tom']
s.loc['tom'] # 二者在访问上没有区别但推荐使用loc方法

2. 隐式访问

s = Series([1,2,3],index=['tom','jack','lucy'])
s[0]

由于pandas是基于numpy的

numpy的访问方式在pandas中同样适用，如列表和布尔列表

s.loc[['tom','lucy']]

输出结果

tom     1
lucy    3
dtype: int64

s.loc[[True,False,True]]

输出结果

tom     1
lucy    3
dtype: int64

广播运算依然很有意义

s > 5

tom     False
jack    False
lucy    False
dtype: bool