Pandas用法总结（一）

pandas是处理数据和分析数据的最好的第三方库，使得数据分析十分容易操作。
提供了基于ndarray的两种扩展类型：Series和DataFram。

Series类型
Series类型由一组数据及与之相关的数据索引组成，未定义索引时会默认为自动索引。实际上就是一维的带标签的数组。

1.从标量值创建
此时不能省略index

2.从字典类型创建
python中的字典是键值对，与Series类型非常契合，可以直接创建，将字典的键变为Series的索引。

3.从ndarray类型创建（较常用）

索引和数据都可以由ndarray类型创建。

从列表或其他函数创建
由列表创建时，index与列表元素个数一致。
可通过range()函数等创建。

Series类型的基本操作
分为值操作和索引操作；
与python字典操作类似；
与numpy的ndarray操作类似。

一.

注意：Series类型切片后仍是Series类型，由值和索引两部分组成。

二.

保留字 in 不会判断自动索引，只会判断自定义索引！get（）取索引为f的值，若不存在，返回100.

Series的name属性
Series对象和索引都可以有一个名字，存储在属性.name中：

Series类型的修改
Series对象可以随时修改并即刻生效：

DataFrame
DataFrame由共用相同索引的一组列组成。

纵向索引叫index ，axis=0；横向索引叫column，axis=1；
DataFrame是一个表格型的数据类型，每列值类型可以不同；
既有行索引也有列索引；
常用于二维数据的表达。

DataFrame的创建
可由以下类型创建：
二维ndarray对象；
由一维ndarray，列表，字典，元组或Series构成的字典；
Series类型；
其他的Dataframe类型。

1.从二维ndarray对象创建：

2.从一维ndarray对象字典创建
one和two是键，值都是Series：

自动行索引使用index，而自动列索引会使用 键 。当然也可以通过index=和columns=自定义行列索引。

3.从列表类型的字典创建

存储表格

由于字典无序性，所以输出时也无序。

获取一行或一列
列直接使用索引，行的话用.ix()加索引。

改变结构（增加或重排索引）
1.增加或重排：重新索引；
2.删除：drop方法，delete方法：delete函数删除指定列，改变DataFrame的存储空间
drop函数在丢弃指定项时返回的是视图，并不会改变DataFrame本身的存储空间；
.reindex()能够改变或重排Series和DataFrame的索引：

fill_value用于填充缺失（NaN）值

2…drop()方法删除索引：
若删除行索引，则直接删除；若删除列索引，还要给出参数axis=1。

算术运算法则
1.算术运算根据行列索引，补齐后运算，运算默认产生浮点数；
2.补齐时缺项默认填充NaN
3.二维和一维，一维和一个数之间为广播运算；
4.+ - x /运算产生新的对象。

缺项补齐后运算，NaN运算后仍是NaN。另外加减乘除运算除了使用二元运算符，还可以使用方法，使用方法还可以多一些参数，从而带来方便。

不同维度间的广播运算

注意：一维Series默认在轴1参加运算。

比较运算法则
比较运算只能比较相同索引的元素，不进行补齐；
不同维度也是广播运算；
< > <= >= != ==将产生布尔对象。
注意：由于不存在填充补齐，所以同维度之间运算的两对象 尺寸必须相同。