三、机器学习基础知识：Python常用机器学习库（Pandas）

1、Pandas

Pandas 库是以Numpy库为基础构建的，通常用来处理表格型(关系型)的数据集或与时间序列相关的数据集。
Pandas的优点总结如下：

1. Pandas提供了快速高效的DataFrame对象，可用于集成索引的数据集操作。
2. Pandas提供了对各种格式数据的读取和写入工具。
3. 提供智能的数据对齐功能和缺失数据处理方式，可以方便地将混乱的数据处理成有序的形式。
4. 可以很灵活地进行数据集的维度变换和旋转。
5. 基于DataFrame对象的标签，可以对数据集进行灵活的切片、花式索引，或将大数据集分拆为多个小子集。
6. 当需要修改数据尺度时，允许对数据对象中的数据列进行添加和删除操作。
7. 提供了强大的分组引擎，可以对分组数据集进行拆分、应用、组合等操作，也可以方便地对数据集进行汇总统计和转换。
8. 提供了对多个数据集进行高效合并和连接的方法。
9. 分层轴索引提供了在低维数据结构中处理高维数据的直观方式。
10. 提供了方便的时间序列操作功能。
11. Pandas经过了高度的性能优化，执行效率高。
12. 应用领域广泛。

一般使用如下方式引入Pandas库：

import pandas as pd

Pandas有两种主要的数据结构：

1. Series：一维数组，与Numpy中一维的ndarray相似，数据结构接近Python中的List列表，数据元素可以是不同的数据类型。
2. DataFrame：二维数据结构，可以近似将其看成由多个Series组成。

2、Series数据结构

Series是一种类似于一维数组的对象，它由一组数据以及与其对应的标签（索引）组成，数据可以是任何Numpy数据类型。

2.1 Series的创建

创建Series对象的语法格式如下：

pandas.Series(data,index)

data表示数据值，index为对应的索引，可以自定义索引，若未自定义，则自动创建0~N-1的整数型索引（N为数据长度）
Series的创建：

import pandas as pd
s1 = pd.Series([1,2,3,4,5])  #使用默认整数索引创建Series
ls = ['a','b','c','d','e']
s2 = pd.Series([1,2,3,4,5],index=ls) #使用自定义索引创建Series
print(s1)
print(s2)

2.2 Series的索引与访问

若创建Series的过程中自定义了索引，那么访问数据时可以通过自定义索引或整数索引进行访问。若采用整数索引对Series进行切片访问，则切片片区不包含最右侧索引；若采用自定义索引切片，则包含最右侧索引。
Series的索引访问：

ls = ['a','b','c','d','e']
s2 = pd.Series([1,2,3,4,5],index=ls) #使用自定义索引创建Series
print(s2[0:2])  #使用整数索引切片访问Series
print(s2['a':'c']) #使用自定义索引切片访问Series

2.3 Series的常见操作

创建Series后，可以对其进行常见数组操作，包括标量乘法、数据过滤、应用数学函数等。

import numpy as np
ls = ['a','b','c','d','e']
s2 = pd.Series([1,2,3,4,5],index=ls) #使用自定义索引创建Series
print(s2)
print(s2**2) #使用标量乘法计算平方
print(s2[s2>3]) #筛选大于3的元素
print(np.sqrt(s2))  #应用数学函数开方

而针对Series内的元素，可以对其进行数据值的新增、修改和删除。

ls = ['a','b','c','d','e']
s2 = pd.Series([1,2,3,4,5],index=ls) #使用自定义索引创建Series
print("原始Series为：\n",s2)
s2['f']=8
print("添加元素后的Series为：\n",s2)
s2['a']=9
print("修改元素后的Series为：\n",s2)
s2 = s2.drop('c')
print("删除元素后的Series为：\n",s2)

此外还可以通过字典来创建Series对象，因为字典中的数据都是以键值对的形式存储，所以将其转换为Series时会使用其中的键部分作为索引，值部分作为数据值。与字典不同的是，字典中的条目是无序的，而Series中的数据是有序的。

dic = {
   'a':6,'b':7,'c':8,'d':9,'f':10}
s = pd.Series(dic)
print(s)

3、DataFrame对象

DataFrame是一个表格型