数据科学库_Day04

Pandas

常用数据类型

• Series，一维，带数据标签
• Dataframe, 二维， Series容器

创建

>>> import pandas as pd
>>> import string
>>> import numpy as np

# 创建序列
>>> t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))
>>> t
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int32

# 创建Dataframe
>>> t = pd.DataFrame(np.arange(12).reshape((3,4)))
>>> t
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

读取外部数据

pd.read_csv('aaa.csv')
pd.reads_sql(sql, connection)

取行或取列

df.loc 通过标签索引行数据
df.iloc 通过位置获取行数据

布尔索引

df[df['aaa']>1000]
df[(df['aaa']>1000]) & (df['bbb']<500)]

缺失数据处理

使用pd.isnull(), pd.notnull(), pd.isnan(), pd.notnan()获取bool矩阵获取缺失数据的位置。

pandas 常用统计方法

df['aaa'].mean()
df['aaa'].max()
df['aaa'].min()
df['aaa'].argmax()
df['aaa'].argmin()