Python基础之Pandas（二）

#Series的运算
s = pd.Series(np.random.randint(10,100,size=10))
s + 100
s - 100
s / 100
s % 2
s1 = pd.Series(np.random.randint(10,100,size=3))
s2 = pd.Series(np.random.randint(10,100,size=3))
display(s1,s2)
s1 + s2                            #对应索引相加
s3 = pd.Series(np.random.randint(10,100,size=4))
s2 + s3                            #缺失的维度为NAN
s2.add(s3,fill_value=0)            #s2缺失的值用0填充


#DataFrame
d = {
    'name':['Python','Pandas','Numpy'],
    'age':[30,20,20]
}
df = pd.DataFrame(d)
df
display(df)
df.values                          #二维数组的数据
df.columns                         #列索引
df.index                           #行索引
df.shape                           #形状
df.head(2)
df.tail(2)
df.index = list('ABC')             #设置index为ABC
df.columns = ['name2','age2']      #设置列索引为name2和age2
df = pd.DataFrame(d,index=list('ABC'))
df = pd.DataFrame(
    data=np.random.randint(10,100,size=(4,6))
)
df = pd.DataFrame(
    data=np.random.randint(10,100,size=(4,6)),
    index=['AA','BB','CC','DD'],
    columns=['python','java','C','C++','spark','hive']
)

#取列索引
df.python                          #Series类型
df['python']                       #Series类型
df[['python']]                     #DataFrame类型
df[['python','java']]              

#取行索引（DataFrame默认先取列索引）
df.loc['AA']                       #Series类型
df.iloc[0]                         #Series类型
df.loc[['AA','BB']]                #DataFrame类型
df.loc[['AA']]
df.iloc[[0,-1]]                    #取所有数据

#取某个元素,先取列，再取行
df['python']['AA']
df['python'][0]
#先取行，再取列
df.loc['AA']['python']
df.loc['AA'][0]