【数据处理】在kaggle学pandas

虽然之前东一榔头，西一棒槌地学过一些pandas和numpy，但学得实在是很没有章法，用起来也很不顺手，所以决定跟着kaggle的课程重新过一遍。本次先主要学习pandas。

创建和读写

在进行数据处理前，首先我们要有数据。

创建读写对象

在pandas中主要有两种数据类型，一种叫series，一种叫dataframe。我们先来看dataframe。
Dataframe实际上就是一张用来填数据的表，在创建的时候一般使用字典结构。

import pandas as pd

data = {
   'name':['Mike', 'Rose'], 'age':[20,19]}
df = pd.DataFrame(data)

可以看到dataframe中可以存储任意类型的数据，可以是字符串也可以是整数。
创建后字典中的key值会是表格中的列名，而value值则会对应每一个entry（每一行）中的相应值。

这时候我们的列名是自己规定的，但是行名（index）只是一个默认生成的0，1，2，…的序列，如果我们想要自定义行名，该怎么做呢？
很简单，只要在创建dataframe时，传入一个Index对象就可以了。

data2 = {
   'name':['Mike', 'Rose'], 'age':[20,19]}
df2 = pd.DataFrame(data2, index = ['user1', 'user2'])

这时候我们就会得到一个行名和列名都是自定义的dataframe。

现在来说说Series，它实际上就是一个数据序列。在我们的dataframe中，每一列都可以看成是一个series。
创建它的方式和dataframe差不多，只是要注意我们是没有列名的，因为只有一列，所以我们只能规定一个统一的name作为这个series的名字。

data3 = [_ for _ in range(3)]
sr = pd.Series(data3, index = ['开始','过程','结束'], name = 'mySeries'