python-pandas

一、创建series

1.头文件

import pandas as pd
import numpy as np

2.创建series、自定义索引

t1=pd.Series(np.arange(10))

t2=pd.Series([1,23,2,2,1],index=list("a,b,c,d,e")) #index索引
print(t1)

3.字典创建series

a={string.ascii_uppercase[i]: i for i in range(10)}#字典推导式创建一个字典
t5={"age":"30","name":"yang","job":"teacher"}

t4=pd.Series(a,index=list(string.ascii_uppercase[5:15]),dtype=float) #index索引 dtype数字类型
t6=pd.Series(t5)

print(a)#字典
t3=pd.Series(a)
print(t3)
print(t4)

print(t5)
print(t6)

4.series的切片和索引

t6.index()

t5={"age":"30","name":"yang","job":"teacher"}
t6=pd.Series(t5)
print(t6)
print(t6.index)
print(t6[1])

t6.values

print(t6.values)  #numpy中的数组类型
print(type(t6.values))

series对象本质上由两个数组构成：
一个数组构成对象的键（index，索引），一个数组构成对象的值（values），键->值

二、DateFrame和Series的关系

Series是一维的
DateFrame是二维的，DateFrame是Series的容器

对比：
1.Series

pd.Series(np.arange(12))

2.DateFrame：

t=pd.DateFrame(np.arange(12)).reshape(3,4)
print(t)

DateFrame对象既有行索引又有列索引
行索引：横向索引，叫index，0轴，axis=0
列索引：纵向索引：叫columns，1轴，axis=1

reindex

三、DateFrame属性

1.DateFrame的基础属性

代码	性质
t.shape()	行数，列数
t.dtype()	列数据类型
t.ndim	数据维度
t.index()	行索引
t.columns()	列索引
t.reindex()	根据新索引进行重排
t.values()	对象值，二维ndarry数组
t.drop()	删除了指定值
t.loc()	轴标签索引
t.iloc()	整数索引

index的方法和属性：

reindex函数的参数：

2.DateFrame的整体情况查询

1. 显示头几行:默认五行
   print(t.head())
2. 显示最后几行：默认五行
   print(t.tail())
3. 显示指定的行数列数：
   t[ : ] #方括号写数组，表示取行，对行进行操作
   #方括号写字符串，表示的去列索引，对列进行操作
4. 展示相关信息：行数，列数，列索引，列非空值个数，列类型，内存占用
   print(info())
5. 快速综合统计结果：计数，均值，标准差，最大值，四分位数，最小值
   print(describe())

四、padas读取外部数据

导入相关数据：
t.read_csv("./")
DateFrame中按照某一列排序的方法：
t.sort_values(by=" (要排序的名称） “,ascending=True/False) #True代表升序，False代表降序
DateFrame按照行列取数据：
t.loc[” “,” "] #逗号前行，逗号后列.

1. 单独取某一行或者某一列，，如：[“A”,:]取A行，[:,“Y”]取Y列
2. 取多行或者多列：t.loc[[“A”,“B”],:]，直接取很多行：t.loc[[“A”:“D”,[“a”,“b”]]]，取A到D行，取a到b列
   取AB两行，t.loc[:,[“a”,“b”]]取ab两列
3. 通过位置数取：t.iloc[1，2] 取一行二列 （取法规则同上）
   

五、布尔索引

取次数在某个范围内的结果：
print(t[t[“a”]>10])
print(t[(t[“a”]>10)&(t[“b”]<20)]) #&为且，|为或（与C语言稍有差别）

六、缺失数据索引

1.判断数据是否为NAN：
pd.isnull() #判断缺失数据 数据为NAN的地方显示TRUE,有数据的地方为FALSE
pd.notnull() #数据为NAN的地方显示FALSE,有数据的地方为TRUE
2.处理方法：
（1）删除NaN所在的行列：
t.dropna(axis= ,how=“ ”) #how指在什么情况下删除NaN，any代表在有NaN存在，这一行就删除，all代表只有这一行全为NaN才删除这一行
（2）填充数据：
t.fillna(0) #将NaN部分填充为0
t.fillna(t.mean()) #将NaN部分填充为该部分均值（t.mean()为t的均值）
3.处理为0的数据：
t[t==0]=np.nan

七、pandas常用统计方法

求人数：
print(len(set(t[“diretor”].tolist())))
print(len(t[“diretor”].unique())) #pandas中的方法

八、算术运算

pandas最重要的一个功能是，它可以对不同索引的对象进行算术运算。
例子：

s1=pd.Series([7.2,-2.5,3.4,1.5],index=['a','c','d','e'])
s2=pd.Series([-2.1, 3.6, -1.5, 4, 3.1],index=['a', 'c', 'e', 'f', 'g'])
print(s1)
print(s2)
print(s1+s2)

自动的数据对齐操作在不重叠的索引处引入了NA值。缺失值会在算术运算过程中传播。

Series和DataFrame的算术方法。它们每个都有一个副本，以字母r开头，它会翻转参数。因此这两个语句是等价的：

九、排序和排名

1. 根据条件对数据集排序。
   要对行或列索引进行排序（按字典顺序），可使用sort_index方法，它将返回一个已排序的新对象:
   t.sort_index()
   对于DataFrame，则可以根据任意一个轴上的索引进行排序:
   t.sort_index(axis= )
   数据默认是按升序排序的，但也可以降序：
   ascending=False
   当排序一个DataFrame时，你可能希望根据一个或多个列中的值进行排序。将一个或多个列的名字传递给sort_values的by选项即可达到该目的：

  t = pd.DataFrame({'b': [4, 7, -3, 2], 'a': [0, 1, 0, 1]})
t.sort_values(by='b')

2. 若要按值对Series进行排序，可使用其sort_values方法，在排序时，任何缺失值默认都会被放到Series的末尾。
3. Series和DataFrame的rank方法：
   默认情况下，rank是通过“为各组分配一个平均排名”的方式破坏平级关系的，也可以根据值在原数据中出现的顺序给出排名：t.rank(menthod=‘first’)

十、描述和汇总统计