pandas基础

• pandas基本介绍

Series简介

s1 = pd.Series([1,2,3,4,5])			#直接创建
s2 = pd.Series(np.random.randn(10))	#以array创建
s3 = pd.Series({'1':1,'2':2,'3':3})	#以字典创建
s3.values							#查看数值
s3.index							#查看索引
s4 = pd.Series([1,2,3,4],index = ['a','b','c','d'])	#自定义索引
s4['a']								#像字典一样查找
s4[s4>2]							#查找大于2的值
s4.to_dict()						#转换成字典
s5 = pd.Series (s4.todict())
index_1 = ['a','2','c','4','e']
s6 = pd.Series(s5,index = index_1)
pd.isnull(s6)						#判断数值是否是nun
s6.name = 'demo'					#给s6起名字
s6.index.name = 'demo index' 		#给索引起名字

DataFrame简介

df = pd.DataFrame(np.random.randn(6,4),index = ['a','b','c','d','e','f'], columns = ['bei','jing','shang','hai'])
df.bei						#访问'bei'这一列
df['bei']
df[['bei','jing']]
df_new = pd.DataFrame(df,columns = ['shang','jing'])	#删选其中的两列出来
df ['guang'] = np.arange(0,6)		#增加一列
df ['bei'] = np.random.randint(10,size = 6)	#修改某列的数值
df.values
df.describe()				#运算数字的统计特性
df.T						#转置
df.guang = df.Series([100,200],index = ['a','b'])	#只给a b 赋值
df.sort_index(axis = 1, ascending = False)	#列索引倒序排序 默认是对行的索引进行升序排序
df.sort_values(by = 'bei')

• pandas 数据选择

df.shape
df[0:3]				#访问前三行数据
df.head()			#访问前五行
df.head(10)			#访问前十行
df.tail()			#访问后五行
df.loc[*]			#删选*标签
df.loc[:,['_','_']]	#选择某两列
df.iloc[3]			#选择第三行
df.iloc[3,1]		#第三行第一列
df.iloc[3:5,[1,3]]	#3到4行，1、3列
df.[df.A>8]

• pandas 设置值

df.loc['横向标签','纵向标签'] = 111	
df.iloc[2,2] = 222
df[df.A>0] = 1
df.A[df.A>0] = 1
df['新增列'] = np.nan

• pandas 的数据导入导出
• pandas常用函数清单