Pandas的自我介绍

1.pandas简介

pandas中有两大核心数据结构：
Series（一维数据）和DataFrame（多特征数据,既有行索引,又有列索引）。
Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

2.pd.Series

Series中最重要的一个功能是：它会在算术运算中自动对齐不同索引的数据。
pandas.Series( data, index, dtype, name, copy),其中dtype默认的话系统会自行判断。

#示例
import pandas as pd
a=[1,2,3]
x=pd.Series(a)
print(x)
b={1:"写",2:"代",3:"码"}
c=pd.Series(b,index=[1,2],name="写代码")
print(c)

3.pd.DataFrame

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。
DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
pandas.DataFrame( data, index, columns, dtype, copy),其中data：一组数据(ndarray、series, map, lists, dict 等类型)。
关键字del用于删除列。

#示例
import pandas as pd
data=[{'a':1,'b':2},{'a':1,'b':2,'c':3}]
df=pd.DataFrame(data)
print(df)

Pandas 可以使用 loc 属性返回指定索引对应到的某一行（示例如下）：

import pandas as pd

data = {
    "calories": [420, 380, 390],
    "duration": [50, 40, 45]
}

df = pd.DataFrame(data, index=["day1", "day2", "day3"])
print(df.loc["day2"])

4.Pandas CSV文件

#示例
import pandas as pd
df = pd.read_csv('xxx.csv')
print(df.to_string())#to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。

to_csv() 方法将 DataFrame 存储为 csv 文件。
head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行，示例如下：

import pandas as pd
df = pd.read_csv('xxx.csv')
print(df.head())

tail( n ) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。
info() 方法返回表格的一些基本信息。

5.Pandas JSON文件

#示例
import pandas as pd
df = pd.read_json('xxx.json')
print(df.to_string())#to_string() 用于返回 DataFrame 类型的数据，我们也可以直接处理 JSON 字符串。

json_normalize() 方法可以将内嵌的数据完整的解析出来。
我们需要使用到 glom 模块来处理数据套嵌，glom 模块允许我们使用 . 来访问内嵌对象的属性,第一次使用需要下载：pip install glom。

6.Pandas数据清洗

删除包含空字段的行，可以使用 dropna() 方法。
isnull() 判断各个单元格是否为空。
默认情况下，dropna() 方法返回一个新的 DataFrame，不会修改源数据。
如果你要修改源数据 DataFrame, 可以使用 inplace = True 参数。
fillna() 方法来替换一些空字段。
替换空单元格的常用方法是计算列的均值、中位数值或众数。
Pandas使用 mean()、median() 和 mode() 方法。
计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数）。
如果对应的数据是重复的，duplicated() 会返回 True，否则返回 False。
删除重复数据，可以直接使用drop_duplicates() 方法。

注：如有任何不妥之处，请评论或私信告知，谢谢！