科学计算库Pandas用法

介绍

以Numpy为基础，借力Numpy模块在计算方面性能高的优势，基于matplotlib，能够简便的画图，独特的数据结构。

• 增强图表可读性
• 便捷的数据处理能力
• 读取文件方便
• 封装了Matplotlib、Numpy的画图和计算

数据结构

Pandas中一共有三种数据结构，分别为：Series、DataFrame和MultiIndex（老版本中叫Panel ）。
Series是一维数据结构，DataFrame是二维的表格型数据结构，MultiIndex是三维的数据结构。

Series

能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。

import pandas as pd
import numpy as np
pd.Series(np.arange(6)+4)
#指定索引
pd.Series(np.arange(4),index=["a","b","c","d"])
# 通过字典数据创建
color = pd.Series({
   'red':100, 'blue':200, 'green': 500, 'yellow':1000})
color
color.index
color.values
color['blue']

DataFrame

np.random.randn(2,3)
pd.DataFrame(np.random.randn(2,3))

# 准备数据
score=np.random.randint(40,100,(10,5))
# 创建列索引
subjects=['chinese','math','english','police','sports']
# 创建行索引
stus=['student_{}'.format(i) for i in range(10)]
score_data=pd.DataFrame(score,index=stus,columns=subjects)
score_data

score_data.shape  #二维
score_data.index
score_data.columns
score_data.T   #转置
score_data.head()   #默认前5lines
score_data.tail(a)  #尾部a行
score_data.info()   #数据情况描述
score_data.values #直接获取其中array的值

DatatFrame索引的设置

score_data.index
score_data.index[4]  #可以访问，但不可以修改--score_data.index[4]="name4" 报错，不可以这样修改

#整体修改
stu=['name_'+str(i) for i in range(score_data.shape[0])]
score_data.index=stu
score_data

# rename实现单个修改
score_data=score_data.rename(index={
   'name_1':'new_1'},columns={
   'police':'政治'})
score_data

重设索引
score_data.reset_index() #不删除原来索引,添加一列索引
score_data.reset_index(drop=True)  #删除并重置索引

将某列值设为新的索引
data=pd.DataFrame({
   'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})
data
data.set_index('month')
data.set_index(["year","month"]).index #Multiindex

set_index(keys, drop=True)
keys : 列索引名成或者列索引名称的列表
drop : boolean, default True.当做新的索引，删除原来的列

MultiIndex

MultiIndex是三维的数据结构;
多级索引（也称层次化索引），可以在Series、DataFrame对象上拥有2个以及2个以上的索引。

data2=data.set_index(["year","month"])
data2.index
data2
data2.index.names #levels的名称
data2.index.levels #每个level的元组值

小结：