Python数据分析04——Pandas模块学习（三）

这是pandas模块的第三篇博客了。这一篇的内容事pandas的数据运算和层次化索引，然后下一篇博客就会涉及到pandas可视化的功能。
一开始，还是老样子，先引入相关模块。

import numpy as np
import pandas
from pandas import DataFrame, Series

• pandas数据运算
  我们先初始化两个Series。

s1 = Series([4,5,6,7,2], index=['a','b','c','d','e'])
s2 = Series([2,34,5,5,6], index=['a','b','c','d','e'])

再初始化连个DataFrame。

df1 = DataFrame(np.arange(6).reshape(2,3), columns=['a','c','d'], index=['aa', 'bb'])
df2 = DataFrame(np.arange(6).reshape(2,3), columns=['e','f','g'], index=['ee', 'ff'])

为什么上面的DataFrame相加的结果没有呢？答案已经在图中了。

• 函数
  在pandas模块和DataFrame模块中，我们一样可以用自定义函数。在这里，一共有三种方式：map函数，apply函数和applymap函数。
  第一种：针对Series中的每一个元素。
  第二种：针对DataFrame中的行和列。
  在这里，为了分享的函数的方便，我使用了lambda函数。
  第三种：针对DataFrame的每一个元素。
  
  当然，这两个数据结构也是有很多内置的函数的，比如sum，describe，unique，value_count函数。
  先初始化对象。

df = DataFrame(np.random.randn(9).reshape(3,3), columns=['a','b','c'])
s1 = Series(['a','d','b','e','e','e','e','e','e'])

下面是函数的功能。


注意：在DataFrame中一样的，自己试试吧

• 再啰嗦一下排序的内容
  第一：对索引排序。
  第二：对值排序。
  

• pandas层次化索引
  先初始化对象。

s1 = Series(np.random.randn(9),index=[['1','1','1','2','2','2','3','3','3'],['1','2','3','1','2','3','1','2','3']])
df = DataFrame(np.arange(16).reshape(4,4),index=[['1', '1','2', '2'],['1', '2', '3', '4']],columns=[['one', 'one','two', 'two'],['1', '2', '3','4']])

操作一下Series。

在这里，它的index有点特殊。
操作一下DataFrame。

那个，多级索引的顺序也可以重新排列。

最后，再用sum函数汇总DataFrame。