pandas的使用

pandas时一个快元的python项目。最重要的两个数据结构：DataFrame和Series

DataFrame

DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。

或许说它可能有点像matlab的矩阵，但是matlab的矩阵只能放数值型值（当然matlab也可以用cell存放多类型数据），DataFrame的单元格可以存放数值、字符串等，这和excel表很像。同时DataFrame可以设置列名columns与行名index，可以通过像matlab一样通过位置获取数据也可以通过列名和行名定位。

行（英文row），列（英文column）。

2 创建DataFrame

在所有操作之前当然要先import必要的pandas库，因为pandas常与numpy一起配合使用，所以也一起import吧。

2.1 直接创建

可以直接使用pandas的DataFrame函数创建，比如接下来我们随机创建一个4*4的DataFrame。

pandas.DataFrame()中第一个参数是存放在DataFrame里的数据，第二个参数index就是之前说的行名（或者应该叫索引），第三个参数columns是之前说的列名。

后两个参数可以使用list输入，但是注意，这个list的长度要和DataFrame的大小匹配，不然会报错。当然，这两个参数是可选的，你可以选择不设置。

而且这两个list是可以一样的，但是每行每列的名字在index或columns里要是唯一的。

2.2 使用字典创建

仍然是使用DataFrame这个函数，但是字典的每个key的value代表一列，而key是这一列的列名。

2.3 从外部CSV文件创建

from pandas.io.parsers import read_csv

df = read_csv('*.csv')

3 查看与筛选数据

2.2 使用字典创建

python没有matlab的工作区直接查看变量与内容，这大概是python科学计算的一个缺点。所以需要格外的代码来查看，最基本的直接写变量名与print就不说了。

3.1 查看列的数据类型

使用dtypes方法可以查看各列的数据类型，比如说刚刚的df2。

3.2 查看DataFrame的头尾

使用head可以查看前几行的数据，默认的是前5行，不过也可以自己设置。

使用tail可以查看后几行的数据，默认也是5行，参数可以自己设置。

3.3 查看行名与列名

使用index查看行名，columns查看列名。

3.4 查看数据值

使用values可以查看DataFrame里的数据值，返回的是一个数组。

另一种操作，使用loc或者iloc查看数据值。区别是loc是根据行名，iloc是根据数字索引（也就是行号）。

3.5 查看行列数

使用shape查看行列数，参数为0表示查看行数，参数为1表示查看列数。

4 基本操作

DataFrame有些方法可以直接进行数据统计，矩阵计算之类的基本操作。

4.1 转置

直接字母T，df2.T。

4.2 描述性统计

使用describe可以对数据根据列进行描述性统计。比如说对df2进行描述性统计。

4.3 计算

使用sum默认对每列求和，sum(1)为对每行求和。

数乘运算使用apply，如果元素是字符串，则会把字符串再重复一遍。

乘方运算跟matlab类似，直接使用两个*，比如

4.4 新增

扩充列可以直接像字典一样，列名对应一个list，但是注意list的长度要跟index的长度一致。

使用insert，使用这个方法可以指定把列插入到第几列，其他的列顺延。

4.5 合并

使用join可以将两个DataFrame合并，但只根据行列名合并，并且以作用的那个DataFrame的为基准。如下所示，新的df7是以df2的行号index为基准的。

如果要合并多个Dataframe，可以用list把几个Dataframe装起来，然后使用concat转化为一个新的Dataframe。

 

######################分割线############################

Series