Python基础之Pandas（一）

#Series一维标记数组
#通过列表创建
list1 = [11,22,33,44]
s = pd.Series(list1)
s                          
s.values                        #值
s.index                         #索引
list(s.index)
s.index = ['A','B','C','D']     #修改索引index
s.index = list('ABCD')          #快速修改，list强制将里面每个字符当成元素，转成列表形式
s.A                             #通过索引获取值，数字索引要用[],如s[1]
s['A']
s['A'] = 100                    #通过索引修改值

#通过字典创建
d = {
    'a':11,
    'b':22,
    'c':33
}
d.index = list('ABC')
f = {
    'a':np.random.randint(0,10,size=(2,3))
    'b':np.random.randint(0,10,size=(2,3))
    'c':np.random.randint(0,10,size=(2,3))
}
s['a']
pd.Series([1,2,3],index=['pa','nd','as'],name='基础')


#Series索引
#显式索引
s = pd.Series({'Python':150,'NumPy':100,'Pandas':130})
s['Python']                                   #得到一个元素
s[['Pandas','NumPy']]                         #一次取多个元素，得到的是Series
s.loc[['Pandas','Python']]                    
#隐式索引
s[0]
s[[0,1]]
s[[0]]
s.iloc[0]
s.iloc[[0,1]]


#Series切片
#隐式切片
s[1:3]
s.iloc[1:4]
#显式切片
s['Python':'Pandas']
s.loc['Python':'Pandas']


#Series的基本属性和常用方法
s.shape                    
s.size
s.index                        #显示索引
s.values
s.name                         #给了name属性才有
s.head(2)                      #查看前2条数据，默认查看前5条数据
s.tail                         #查看最后5条数据


#检测缺失数据
s = pd.Series(['张三'，'李四','王五'，np.nan])
s.isnull()                     #判断是否为空
s.notnull()                    #判断是否不为空
pd.notnull(s)                  #同上
#过滤空值
cond1 = s.isnull()
s['True','False','True']       #取第一个和第三个       
s[cond1]                       #取为空的值
s[~cond1]                      #取反，取出非空的值
cond2 = s.notnull()
s[cond2]                       #取出非空的值