pandas的Series和DataFrame

pandas的核心类

Series（一位数组）、DataFrame（二维数组）、Index（索引）
导入pandas：import pandas as pd

Series(数据系列)带标签的数组

一、创建Series对象

1 . ser=pd.Series( 列表/数组/字典 )
ser1=pd.Series([1,2,3])
ser2=pd.Series(np.arange(1,6))
ser3=pd.Series('name':'John','age':18,'score':'95')

通过字典创建时索引可以比值多，其他方法索引和值的个数必须相同

ser1=pd.Series(np.random.randint(10,100,5))
ser1
#索引  数据
#0     56
#1     78
#2     22
#3     42
#4     14
#dtype: int32   （元素类型）

2.可以直接在创建Series数组时创建索引
①：

ser = pd.Series(
			data=[value1,value2,value3,...], 
			index=[index1,index2,index3,...]
ser

②：

ser=pd.Series(
		data={
   
			index1:value1,
			index2:value2,
			....
			}
)

二、Series索引和切片

ser [ 元素下标 ]：直接返回该下标对应的值，一次只能取单个元素
ser [ 索引]：选取单个索引
ser [ [ 元素下标1,元素下标2,... ] ]：返回对应的索引和值
ser [ [ 索引1,索引2,...] ]：返回对应的索引和值，当数组中有重复索引时会返回该索引对应的全部值
ser[开始下标:结束下标]：切片
ser[开始索引:结束索引]：切片，包含末端数据
ser[ser>n]：布尔索引取值，返回索引和值，默认找到为True的值

三、Series的基本用法

1.处理空值（缺失值）

判断是否为空：ser.isnull()
不是空值的：ser.notnull
None：Python的空值
np.nan：numpy的空值

删除空值
①ser.dropna( )：返回删除了空值的新的Series对象
②ser.dropna(inplace=True)：直接删除原来的Series对象
填充空值
①用指定值 x 填充空值：ser.fillna ( x )，有inplace时改变原来的Series对象
②用空值前面或后面的值填充空值
用前面的值填：ser.ffill( )
用后面的值填：ser.bfill( )

2.去重

获取不重复元素构成的数组 ：ser.unique( )
去重：ser.drop_duplicates( )
统计重复次数：
①非重复元素的个数：ser.nunique( )
②统计重复次数：ser.value_counts( )

3.替换

①替换不满足条件的值：ser.where( 判断条件,替换值)
②替换满足条件的值：ser.mask(判断条件,替换值)

DataFrame二维数组

表格型的数据结构，Series容器

一、创建DataFrame

DataFrame对象既有行索引,又有列索引
行索引，表明不同行，横向索引，叫index，0轴，axis=0
列索引，表明不同列，纵向索引，叫columns，1轴，axis=1

1.通过数组创建

 df = pd.DataFrame(
	 data=[[],[],[],...],
	 【
	 index=['a','b','c',...]
	 columns=['A','B','C',...]
	 】
 )

没给索引命名时默认为0,1,2…

①通过二维数组构造创建：df=pd.DataFrame(np.arange(12),reshape(3,4))
②通过字典构造成的列表创建

#例子
list1=[{
   'apple':3.6,'banana':3.6}