概要：提取数据的基本特征
单元7：pandas库入门
更多参考： http://pandas.pydata.org/
Pandas是Python第三方库，提供高性能易用数据类型和分析工具，Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用。
常用引用方法：
import pandas as pd
[/code]
### 7.1对pandas库的理解
与numpy的区别
该库基于numpy提供了两个新的数据类型：Series, DataFrame
基于上述数据类型有各类操作：基本操作、运算操作、特征类操作、关联类操作
### 7.2 Series类型（一维）
Series类型由一组 **数据及与之相关的数据索引** 组成
实例1：
实例2：
Series类型可以由如下类型创建：
• Python列表，index与列表元素个数一致
• 标量值，index表达Series类型的尺寸
• Python字典，键值对中的“键”是索引，index从字典中进行选择操作
• ndarray，索引和数据都可以通过ndarray类型创建
• 其他函数，range()函数等
实例：
**如何理解该类型**
Series是 **一维带“标签”数组** (Series类型包括 **index和values** 两部分)
index_0 —–> data_a**（索引 与 值 一一对应）**
Series基本操作类似 **ndarray和字典** ，根据 **索引对齐** 进行运算（而不是像numpy一般基于维度进行运算）
**Series类型的基本操作**
1. 使用 .index 获取索引，使用 .value 获取数据
2.自动索引 与 自定义索引并存（但 **不能混合使用** ）
3.Series类型的操作类似ndarray类型：
• 索引方法相同，采用[]
• NumPy中运算和操作可用于Series类型 **（运算和操作结果仍然是Series类型）**
• 可以通过自定义索引的列表进行切片（ **切片后的结果仍然是Series类型）**
• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片（ **切片后的结果仍然是Series类型）**
4.Series类型的操作类似Python字典类型：
• 通过自定义索引访问
• 保留字in操作（只会判断自定义索引，不会判断自动索引）
• 使用.get()方法
5.Series类型的对齐问题：
Series类型在运算中会 **自动对齐不同索引** 的数据
6.Series类型的.name属性：
Series对象和索引都可以有一个名字，存储在属性.name中
7.Series类型的修改：
Series对象可以随时修改并即刻生效
### 7.3 DataFrame类型（二维）
DataFrame类型由 **共用相同索引** 的一组列组成
**axis =0 /axis = 1的介绍**
DataFrame是一个 **表格型** 的数据类型， **每列值类型** 可以不同 **(类似于Excel)**
DataFrame既有 **行索引、也有列索引**
DataFrame常用于表达 **二维数据** ，但可以表达多维数据
**创建DataFrame类型**
DataFrame类型可以由如下类型创建：
• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型
实例分析：
**对DataFrame的理解**
DataFrame是 **二维带“标签”数组** ，DataFrame基本操作类似Series， **依据行列索引**
### 7.4 pandas的数据类型操作
数据类型操作 <– 等价–> **如何改变Series和DataFrame对象？**
->增加或重排：重新索引
->删除：drop
#### **重新索引**
**.reindex()** 能够改变或重排Series和DataFrame索引
参数解释
**关于索引**
Series和DataFrame的索引是Index类型，Index对象是 **不可修改类型**
index类型的常用方法
pandas通过操作索引来操作dataframe的数据集。
panda通过索引来实现对一组数据的操作。
#### **删除指定索引对象**
.drop()能够删除Series和DataFrame指定行或列索引
删除列时要指定axis=1(默认axis=0）
### 7.5 pandas的数据类型运算
#### 算术运算法则：
算术运算根据行列索引，补齐后运算，运算默认产生浮点数
补齐时缺项填充NaN (空值)
二维和一维、一维和零维间为 **广播运算 _*_ ** （低维对象元素会作用到高维对象的每一个元素）*
采用+ ‐ * /符号进行的二元运算产生 **新的对象**
**方法形式的运算**
方法形式的运算可通过指定参数避免上面的NaN的产生
广播运算实例：
#### 比较运算法则：
比较运算只能比较相同索引的元素，不进行补齐
二维和一维、一维和零维间为广播运算
采用> < >= <= == !=等符号进行的二元运算产生布尔对象
### 单元小结
## 单元8：pandas数据特征分析
### 8.1数据排序
**.sort_index()** 方法在指定轴上 **根据索引进行排序** ，默认 **升序**
.sort_values()方法在指定轴上 **根据数值进行排序** ，默认 **升序**
使用方式：
```code
Series.sort_values(axis=0, ascending=True)
DataFrame.sort_values(by, axis=0, ascending=True)
#by : axis轴上的某个索引或索引列表
[/code]
排序时，NaN永远都是在排序结果末尾（不管是升序 还是 降序）
### 8.2 数据的基本统计
基本统计函数
describe函数实例
### 8.3 数据的累计统计分析
基本函数1：
基本函数2：
### 8.4 数据的相关分析
两个事物，表示为X和Y，协方差可判断它们之间的相关性：
• 协方差>0, X和Y正相关（ X增大，Y增大）
• 协方差<0, X和Y负相关（X增大，Y减小）
• 协方差=0, X和Y独立无关（X增大，Y无视）
两个事物，表示为X和Y，如何判断它们之间的存在相关性？
r取值范围[‐1,1]
…….r …………相关性
• 0.8‐1.0 极强相关
• 0.6‐0.8 强相关
• 0.4‐0.6 中等程度相关
• 0.2‐0.4 弱相关
• 0.0‐0.2 极弱相关或无相关
实例：房价增幅与M2增幅的相关性
### 单元小结
4455
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
