Python数据分析之pandas学习

Python中的pandas模块进行数据分析。

接下来pandas介绍中将学习到如下8块内容：
1、数据结构简介：DataFrame和Series
2、数据索引index
3、利用pandas查询数据
4、利用pandas的DataFrames进行统计分析
5、利用pandas实现SQL操作
6、利用pandas进行缺失值的处理
7、利用pandas实现Excel的数据透视表功能
8、多层索引的使用
数据分析python资源学习地址https://jq.qq.com/?_wv=1027&k=5JRHhmV

一、数据结构介绍

在pandas中有两类非常重要的数据结构，即序列Series和数据框DataFrame。Series类似于numpy中的一维数组，除了通吃一维数组可用的函数或方法，而且其可通过索引标签的方式获取数据，还具有索引的自动对齐功能；DataFrame类似于numpy中的二维数组，同样可以通用numpy数组的函数和方法，而且还具有其他灵活应用，后续会介绍到。

1、Series的创建

序列的创建主要有三种方式：

1）通过一维数组创建序列

import numpy as np, pandas as pd
arr1 = np.arange(10)
arr1
type(arr1)

s1 = pd.Series(arr1)
s1
type(s1)

2）通过字典的方式创建序列

dic1 = {
   'a':10,'b':20,'c':30,'d':40,'e':50}
dic1
type(dic1)

s2 = pd.Series(dic1)
s2
type(s2)

3）通过DataFrame中的某一行或某一列创建序列
这部分内容我们放在后面讲，因为下面就开始将DataFrame的创建。

2、DataFrame的创建
数据框的创建主要有三种方式：

1）通过二维数组创建数据框

arr2 = np.array(np.arange(12)).reshape(4,3)
arr2
type(arr2)
df1 = pd.DataFrame(arr2)
df1
type(df1)

2）通过字典的方式创建数据框
以下以两种字典来创建数据框，一个是字典列表，一个是嵌套字典。

dic2 = {
   'a':[1,2,3,4],'b':[