python series 标准差_Python中pandas数据分析实战（数据创建、清洗）

最近在学习pandas数据分析与实战，将笔记整理如下：

学习目标：

1. 熟练掌握pandas一维数组Series结构
2. 熟练掌握pandas二维数组DataFrame结构和创建方法
3. 熟练掌握pandas读取Excel文件的方法
4. 掌握数据清洗的一般方法

---

一、pandas简介

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

二、pandas常用数据类型

1.Series：一维数组，与Numpy中的一维array类似。与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

2.DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

三、Series

Series是pandas提供的一维数组，由索引和值组成，是一个类似字典的结构。

1.创建

import pandas as pdimport numpy as nps1 = pd.Series(range(1,10,2))s2 = pd.Series({'语文':98,'数学':88,'英语':68})print(s1,'',s2)********************0    11    32    53    74    9dtype: int64 语文    98数学    88英语    68dtype: int64********************

2. 修改

由于我们没有为数据指定索引，系统会自动创建整数型索引。我们也可以修改器对应的值

s1[2]=-15        #   2  为索引s2['语文']=60    #‘语文’为索引

3. 四则运算

两等长的Series对象可以进行四则运算

s1 = pd.Series(range(1,10,2))s2 = pd.Series(range(11,20,2