python panda3d从入门_利用Python进行数据分析——pandas入门

利用Python进行数据分析——pandas入门

基于NumPy建立的

from pandas importSeries,DataFrame,import pandas as pd

一、两种数据结构

1.Series

类似于Python的字典，有索引和值

创建Series

#不指定索引，默认创建0-N

In [54]: obj = Series([1,2,3,4,5])

In [55]: obj

Out[55]:

0 1

1 2

2 3

3 4

4 5

dtype: int64

#指定索引

In [56]: obj1 = Series([1,2,3,4,5],index=['a','b','c','d','e'])

In [57]: obj1

Out[57]:

a 1

b 2

c 3

d 4

e 5

dtype: int64

#将Python中的字典转换为Series

In [63]: dic = {'a':1,'b':2,'c':3}

In [64]: obj2 = Series(dic)

In [65]: obj2

Out[65]:

a 1

b 2

c 3

dtype: int64

对Series进行数组运算(根据布尔型数组进行过滤、标量乘法、应用函数等)依旧会保留索引和值之间的对应关系。

对应index的值找不到就用NAN表示，且在算数运算中会自动补齐数据，不存在用NAN

2.DataFrame

DataFrame是一个表格型的数据结构，既有行索引也有列索引。

创建DataFrame

#传进去一个等长列表组成的字典

IIn [75]: data = {'name':['nadech','bob'],'age':[23,25],'sex':['male','female']}

In [76]: DataFrame(data)

Out[76]:

age name sex

0 23 nadech male

1 25 bob female

#指定列的顺序

In [77]: DataFrame(data,columns=['sex','name','age'])

Out[77]:

sex name age

0 male nadech 23

1 female bob 25

# 嵌套字典创建DataFrame

DataFrame的操作

#获取某一列

In [82]: frame['age'] /frame.age

Out[82]:

0 23

1 25

Name: age, dtype: int64

#赋值

In [86]: frame2

Out[86]:

age sex name grade

0 23 male nadech NaN

1 25 female bob NaN