Python数据分析学习（三）Pandas学习

概述

Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。
Pandas 适用于处理以下类型的数据：

• 与 SQL 或 Excel 表类似的，含异构列的表格数据;
• 有序和无序（非固定频率）的时间序列数据;
• 带行列标签的矩阵数据，包括同构或异构型数据;
• 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。

一、创建Pandas对象

1. 通过传一些值的列表来创建一个Series,Pandas会自动创建一个默认的整数索引
   
2. 通过传递带有日期时间索引和带标签列的NumPy数组来创建DataFrame
   
3. 通过传递可以转化为类似Series的dict对象来创建DataFrame
   

二、查看数据

（一）head()和tail()方法

查看DataFrame的顶部和头部

（二）显示索引、列和底层NumPy数据

（三）to_numpy()方法

对于df这种所有值为单一类型的DataFrame，to_numpy()操作是高效的，并且不会复制数据

4. 然而对于df2这种DataFrame对象有多种类型的，to_numpy操作是比较费事的

（四）describe()方法

显示数据的快速统计概要

（五）转置数据

（六）按轴排序

（七）按值排序

三、选择

（一）获取

选择一个列，产生一个“Serise”,相当于“df.A”，这里也可以通过[]选择，对行进行切片

（二）按标签选择

通过标签获取一行数据

通过标签在多个轴上选择数据

通过标签同时在两个轴上切片