pandas_numpy小尝试

首次使用Jupyter notebook 来做笔记，先试验一下~

print('hello,word')

hello,word

开始把前几天学过的pandas 和numpy两个包小试一下~

import pandas as pd
import numpy as np

使用pandas下的数据框展示数据

gdp = pd.DataFrame([[11.61,13.08,13.67,15.05],[12.81,14.30,15.07,16.62],[13.87,15.52,16.35,17.87],[14.80,16.62,17.36,18.94]],index = ['2012','2013','2014','2015'],columns = ['s1','s2','s3','s4'])
gdp

	s1	s2	s3	s4
2012	11.61	13.08	13.67	15.05
2013	12.81	14.30	15.07	16.62
2014	13.87	15.52	16.35	17.87
2015	14.80	16.62	17.36	18.94

#默认对列求和
gdp1 = gdp.sum()
gdp1

s1    53.09
s2    59.52
s3    62.45
s4    68.48
dtype: float64

#对行求和
gdp2 = gdp.sum(axis = 1)
gdp2

2012    53.41
2013    58.80
2014    63.61
2015    67.72
dtype: float64

#按行累积加总
gdp3 = gdp.cumsum(axis = 1)
gdp3

	s1	s2	s3	s4
2012	11.61	24.69	38.36	53.41
2013	12.81	27.11	42.18	58.80
2014	13.87	29.39	45.74	63.61
2015	14.80	31.42	48.78	67.72

df=pd.DataFrame([[1.4, np.nan], [7.1, -4.5], [np.nan, np.nan], [0.75, -1.3]], index=['a', 'b', 'c', 'd'], columns=['one', 'two'])
#有缺失值时将不进行加总
df1 = df.sum(axis = 1,skipna = False)
df1

a     NaN
b    2.60
c     NaN
d   -0.55
dtype: float64

gdp.describe()#简单的描述性统计

	s1	s2	s3	s4
count	4.000000	4.000000	4.000000	4.000000
mean	13.272500	14.880000	15.612500	17.120000
std	1.374539	1.529008	1.598465	1.674296
min	11.610000	13.080000	13.670000	15.050000
25%	12.510000	13.995000	14.720000	16.227500
50%	13.340000	14.910000	15.710000	17.245000
75%	14.102500	15.795000	16.602500	18.137500
max	14.800000	16.620000	17.360000	18.940000

gdp.count()#非空值的数量

s1    4
s2    4
s3    4
s4    4
dtype: int64

gdp.corr()#行相关系数

	s1	s2	s3	s4
s1	1.000000	0.999358	0.999820	0.999514
s2	0.999358	1.000000	0.998854	0.997756
s3	0.999820	0.998854	1.000000	0.999612
s4	0.999514	0.997756	0.999612	1.000000

gdp.T.corr()#列相关系数

	2012	2013	2014	2015
2012	1.000000	0.999139	0.999388	0.999731
2013	0.999139	1.000000	0.999428	0.998434
2014	0.999388	0.999428	1.000000	0.999457
2015	0.999731	0.998434	0.999457	1.000000

缺失值处理：一、丢弃，二、填充

一行中只要有一个格缺失，这行就要丢弃

df2 = df.dropna()

填充缺失值

df4 = pd.DataFrame([[1,np.nan],[7,4],[np.nan,np.nan],[1,3]],index=['a', 'b', 'c', 'd'], columns=['one', 'two'])
df6 = df4.fillna('a')#缺失值处全部填充为括号内的值
df7 = df4.fillna(method = 'bfill')#向后填充，会出现漏值现象
df8 = df4.fillna(method = 'ffill')#向前填充，会出现漏值现象
print(df6,'\n',df7,'\n',df8)

结果如下

有两层索引，国家和年份的一维数组

选取中国

选取2015年所有国家

选取中国和日本所有年份

自定义变量名

wp  = pd.DataFrame(worldPop,columns  = ['population'])

给索引命名

wp1 = wp.index.names = ['country','year']
print(wp)

wp2 = wp.swaplevel('year' ,'country')#调换索引位置
wp3 = wp.reset_index(['year'])#将索引变成列变量
wp4 = wp3.set_index(['year'])#将变量变成索引

调换索引位置

将索引变成列变量

将变量变成索引

将变量变成索引的方法即将一维数组转换成了字典类型？

表明其实pandas的数据结构的一种，其中pandas有两种数据结构，分别是Series，Series可以简单地被认为是一维的数组。Series和一维数组最主要的区别在于Series类型具有索引（index），另一种即数据框DataFrame是将数个Series按列合并而成的二维数据结构。

用pandas 的.unstack()做数据透视表