团子的pandas库总结（2）

上一篇文章介绍了pandas库的基本数据结构，以及其用法，这篇文章介绍pandas库的基本功能，归纳总结series和dataframe中数据交互的基础机制。

基本功能

1.重建索引

reindex是pandas对象的重要方法，该方法用于创建一个符合新索引的新对象。
obj2=obj1.reindex([‘a’,‘b’,‘c’])
调用reindex时会将数据按照新的索引进行排列，如果某个索引值之前并不存在，则会引入缺失值。
在使用时间序列等顺序数据时，在重建索引时可能会需要进行插值或者填值，method可选参数允许我们使用如ffill等方法在重建索引时插值，ffill方法会将值向前填充。
obj3.reindex(range(6),method=‘ffill’)

在dataframe中，reindex可以改变行索引、列索引，也可以同时改变二者。默认情况下传入列表改变行索引，使用columns重建列索引，frame.reindex(columns=state)。

2.轴向上删除条目

drop方法会返回一个删除值的对象，默认根据行标签删除值。
obj.drop(‘c’)

可以通过传递axis=1或者axis='columns’来从列中删除值：
data.drop(‘two’,axis=1)

drop会修改dataframe的尺寸或形状，该方法直接操作原对象而不返回新对象：
obj.drop(‘c’,inplace=True)

3.索引、选择与过滤

索引
obj[2:4]
obj[[1,3]]
obj[[‘b’,‘a’]]
obj[obj<2]
注意：dataframe切片与python切片不同，是包含尾部的
修改相应部分的值：
obj[‘b’:‘c’]=5

data[data[‘three’]>5]

data<5产生一个布尔dataframe。

3.1 使用loc和iloc选择数据

除了单个标签或者标签列表之外，索引功能还可以用于切片：
data.loc[:‘utah’,‘two’]
data.iloc[:,:3][data.three>5]

4.算数和数据对齐

当你将对象相加时，如果存在某个索引对不相同，则返回结果的索引将是索引对的并集，没有交叠的标签位置上，内部数据对齐会产生缺失值。

4.1 使用填充值的算术方法

当轴标签在一个对象中存在，在另一个对象中不存在时，你想将缺失值填充为0，我们在df1上使用add方法，添加fill_value参数：
df1.add(df2,fill_value=0)

与此相关的一点，当对dataframe重建索引时，你也可以指定一个不同的填充值：
df1.reindex(columns=df2.columns,fill_value=0)

下表是一些灵活算术方法，以r开头的副本方法的参数是翻转的，举例：
1/df1 等价于 df1.rdiv(1)

方法	描述
add,radd	加法
sub,rsub	减法
div,rdiv	除法
floordiv,rfloordiv	整除
mul,rmul	乘法
pow,rpow	幂次方

4.2 dataframe和series间的操作

在numpy中，当我们从arr中减去arr[0]时，减法在每一行都进行了操作，这就是所谓的广播机制。
默认情况下，数学操作会将series的索引和dataframe的列进行匹配，并广播到各行：
frame-series

如果一个索引值不在dataframe的列中，也不在series的索引中，则对象会重建索引并形成联合：
frame+series

通常的广播都是在行上进行的，如果你想改为在列上广播，你必须使用算数方法中的一种，如：
frame.sub(series3,axis=‘index’)

5.函数应用和映射

np.abs(frame)

另一个常用的操作是将函数应用到一行或一列的一维数组上，dataframe的apply方法可以实现这个功能：
f=lambda x: x.max()-x.min()
frame.apply(f)
此处的f会被frame的每一列调用一次，结果是一个以frame的列作为索引的series。

如果我传递axis='columns’给apply函数，该函数会被逐行调用：
frame.apply(f,axis=‘columns’)

大部分常用的数组统计都是dateframe的方法，因此apply并不是必须要使用的。

series有map方法，可以将一个逐元素的函数应用到series上：
format= lambda x: ‘%.2f’ % x
frame[‘e’].map(format)
frame.applymap(format)

6.排序和排名

根据某些准则对数据集进行排序是一个重要的内建操作。
obj.sort_index()该方法返回一个根据index排序的对象。

frame.sort_index(axis=1)数据会根据columns进行排序，数据默认会进行升序排序，但是也可以按照降序排序：
frame.sort_index(axis=1,ascending=False)

如果要根据series的值进行排序，使用sort_values方法:
obj.sort_values()
其中默认情况下，所有的缺失值会被排序到series的尾部。

当对dataframe进行排序时，可以使用一列或者多列作为排序键，通过参数by：
frame.sort_values(by=‘b’)
对多列排序时，传递列名的列表：
frame.sort_values(by=[‘a’,‘b’])

rank就是排名，默认情况下，rank通过将平均排名分配到每个组来打破平级关系：
obj.rank()

7.含有重复标签的轴索引

obj.index.is_unique可以判断标签是否唯一。
根据一个标签索引多个条目会返回一个序列，而单个条目会返回标量值。