pandas学习笔记

pandas含有使数据分析工作变得更快更简单的高级数据结构和操作工具，pandas是基于Numpy构建的。pandas在过去的几年中逐渐成长为一个非常强大的库。

引入pandas

import numpy as np
import pandas as pd

因此，一般在代码中看到pd.，都指的是pandas

pandas的数据结构介绍

pandas有两个主要的数据结构：Series和DataFrame.

Series

Series是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。

Series的字符串表现形式为：索引在左边，值在右边。你可以通过Series的values和index属性获取其数组表现形式和索引对象：

Series创建后会自动生成索引，默认从0开始，

创建Series

方法一：

obj2 = pd.Series([4,7,-5,3],index=['d','b','a','c'])

obj2
Out[99]: 
d    4
b    7
a   -5
c    3
dtype: int64

方法二：通过字典创建

a = {'a':1,'b':2,'c':3}

b = pd.Series(a)

b
Out[102]: 
a    1
b    2
c    3
dtype: int64

查询

通过索引查单值

In [172]: series_4['a']  
Out[172]: 4  

通过索引序列查多值：

series_4[['a','b']]  
Out[174]:   
a    4  
b    2  
dtype: int64  

通过布尔类型索引筛选：

In [175]: series_4[series_4>2]  
Out[175]:   
a    4  
c    3  
dtype: int64  

通过位置切片和标签切片查询数据：

series_4  
Out[194]:   
a    4  
b    2  
c    3  
dtype: int64  
  
series_4[:2]  
Out[195]:   
a    4  
b    2  
dtype: int64  
  
series_4['a':'c']  
Out[196]:   
a    4  
b    2  
c    3  
dtype: int64  

删除

注意删除的是索引值

b
Out[105]: 
a    1
b    2
c    3
dtype: int64

b.drop('a')
Out[106]: 
b    2
c    3
dtype: int64

值的修改方法

s1
Out[112]: 
a    1
b    2
c    3
dtype: int64

s1['a'] ='测试'

s1
Out[114]: 
a    测试
b     2
c     3
dtype: object

索引修改方法

s1
Out[80]: 
ceshi    1
001      3
002      5
003      6
004      8
dtype: int6

s1.index._values[0] = '测试'

s1
Out[87]: 
测试     1
001    3
002    5
003    6
004    8
dtype: int64

值修改方法

#打印S1
s1
Out[94]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

#将索引值为0的值重新赋值
s1[0] = 11111

s1
Out[96]: 
0    11111.0
1        3.0
2        5.0
3        NaN
4        6.0
5        8.0
dtype: float64

合并append

如果索引形同，则替换，无则添加

s1.append(s)
Out[117]: 
a       测试
b        2
c        3
0    11111
1        3
2        5
3      NaN
4        6
5        8
dtype: object



s[0] ='改变了'

 s
Out[121]: 
0    改变了
1      3
2      5
3    NaN
4      6
5      8
dtype: object


s1.append(s)
Out[122]: 
a     测试
b      2
c      3
0    改变了
1      3
2      5
3    NaN
4      6
5      8
dtype: object

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共同用一个索引）。和其他类似的数据结构相比，DataFrame中面向行和面向列的操作基本上是平衡的。其实，DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的数据结构）。

>>> data = {'state':['1','2'],'year':['a','b'],'pop':['x','y']}
>>> data
{'state': ['1', '2'], 'pop': ['x', 'y'], 'year': ['a', 'b']}
>>> frame = DataFrame(data)
>>> frame
    pop state year
0   x     1    a
1   y     2    b

结果DataFrame会自动加上索引，且全部列会被有序排列。 

如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列。

>>> DataFrame(data,columns=['year','pop','state'])
  year pop state
0    a   x     1
1    b   y     2

help(df.drop)
Help on method drop in module pandas.core.generic:


drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') method of pandas.core.frame.DataFrame instance
    Return new object with labels in requested axis removed.
    
    Parameters
    ----------
    labels : single label or list-like
        Index or column labels to drop.
    axis : int or axis name
        Whether to drop labels from the index (0 / 'index') or
        columns (1 / 'columns').
    index, columns : single label or list-like
        Alternative to specifying `axis` (``labels, axis=1`` is
        equivalent to ``columns=labels``).
    
        .. versionadded:: 0.21.0
    level : int or level name, default None
        For MultiIndex
    inplace : bool, default False
        If True, do operation inplace and return None.
    errors : {'ignore', 'raise'}, default 'raise'
        If 'ignore', suppress error and existing labels are dropped.
    
    Returns
    -------
    dropped : type of caller
    
    Examples
    --------
df = pd.DataFrame(np.arange(12).reshape(3,4),
                          columns=['A', 'B', 'C', 'D'])
df
       A  B   C   D
    0  0  1   2   3
    1  4  5   6   7
    2  8  9  10  11
    
    Drop columns
    
df.drop(['B', 'C'], axis=1)
       A   D
    0  0   3
    1  4   7
    2  8  11

   

###['B', 'C'])中。B和C中间有个空格 

df.drop(columns=['B', 'C'])
       A   D
    0  0   3
    1  4   7
    2  8  11
    
    Drop a row by index
    
df.drop([0, 1])
       A  B   C   D
    2  8  9  10  11
    
    Notes
    -----
    Specifying both `labels` and `index` or `columns` will raise a
    ValueError.