数据分析工具pandas

一、pandas的数据结构分析

1、Pandas中有两个主要的数据结构：Series（一维的数据结构）和DataFrame（二维的、表格型的数据结构）。

2、Series是一个类似一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成。

  注意：Series的索引位于左边，数据位于右边。

（1）、创建方法：

class pandas.Series（data = None，index = None，dtype = None， name = None，copy = False，fastpath = False）

data：表示传入的数据。

 index：表示索引，唯一且与数据长度相等，默认会自动创建一个从0~N的整数索引。

（2）、通过传入一个列表来创建一个Series类对象：

d1=pd.Series([1,2,3,4,5]）

#创建Series类对象，并指定索引：

d2=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])

#使用dict进行构建

dict={2001:17.8,2002:20.1,2003:16.5}

d3=pd.Series(dict)

（3）、为了能方便地操作Series对象中的索引和数据，所以该对象提供了两个属性index和values分别进行获取。

data = pd.Series([1,2,3])

data.index #获取索引并查看数据类型

data.values #获取数据

#直接使用索引来获取数据

data[3]

(4)、当某个索引对应的数据进行运算以后，其运算的结果会替换原数据，仍然与这个索引保持着对应的关系。

 3、DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据可以是不同的数据类型。

注意： DataFrame的索引不仅有行索引，还有列索引，数据可以有多列。

 （1）、创建方法：

pandas.DataFrame（data = None，index = None，columns = None， dtype = None，copy = False ）

index：表示行标签。若不设置该参数，则默认会自动创建一个从0~N的整数索引。

columns：列标签。

（2）、通过传入数组来创建DataFrame类对象：

# 创建数组

arr = np.array([['a', 'b', 'c'], ['d', 'e', 'f']])

# 基于数组创建DataFrame对象

d1 = pd.DataFrame(arr)

#指定索引顺序

d2 = pd.DataFrame(arr, columns=['No1', 'No2', 'No3'])

（3）、我们可以使用列索引的方式来获取一列数据，返回的结果是一个Series对象。

# 通过列索引的方式获取一列数据
element = d2['No2']
# 查看返回结果的类型
type(element1)

#在获取DataFrame的一列数据时，推荐使用列索引的方式完成，主要是因为在实际使用中，列索引的名称中很有可能带有一些特殊字符（如空格），这时使用“点字符”进行访问就显得不太合适了。

（4）、DataFrame增加，删除一列数据

#增加

d1['No4'] = ['g', 'h']

#删除

del d1['No3']

二、Pandas索引操作及高级索引

1、Pandas中的索引都是Index类对象，又称为索引对象，该对象是不可以进行修改的，以保障数据的安全。

2、Pandas中的索引都是Index类对象，又称为索引对象，该对象是不可以进行修改的，以保障数据的安全。Pandas还提供了很多Index的子类，常见的有如下几种：

（1）Int64Index：针对整数的特殊Index对象。

（2）MultiIndex：层次化索引，表示单个轴上的多层索引。

（3）DatetimeIndex：存储纳秒寄时间戳。

3、reindex()方法的语法格式如下：

DataFrame.reindex（labels = None，index = None， columns = None，axis = None，method = None， copy = True，level = None，fill_value = nan，limit = None，tolerance = None ）

index：用作索引的新序列。

 method：插值填充方式。

 fill_value：引入缺失值时使用的替代值。

 limit：前向或者后向填充时的最大填充量。