10分钟入门pandas(一)

pandas 是基于python语言的数据分析处理库，使用广泛。本文主要参考pandas的官方入门指导，并结合自己入门使用的一些常用操作进行说明。
pandas通常和numpy结合使用，一般通过如下语句导入numpy和pandas库。

import numpy as np
import pandas as pd

一. pandas 数据结构

pandas提供两类基本数据结构，即series和dataframe。

1.1 series

series 是一维带标签的数组，可以存放整形, 字符串, python object 等类型。
可以通过如下方式传入一个列表来创建series:

In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])

In [4]: s
Out[4]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

1.2 dataframe

有行和列的二维数据结构。

DataFrame 可以传入数组创建，也可以传入字典进行创建。

In [5]: dates = pd.date_range("20130101", periods=6)

In [6]: dates
Out[6]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
               '2013-01-05', '2013-01-06'],
              dtype='datetime64[ns]', freq='D')

In [7]: df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))

In [8]: df
Out[8]: 
                   A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988

通过字典的方式创建，字典的keys 即为DataFrame的列标签，字典的值即为DataFrame的值。

In [9]: df2 = pd.DataFrame(
   ...:     {
   
   ...:         "A": 1.0,
   ...:         "B": pd.Timestamp("20130102"),
   ...:         "C": pd.Series(1, index=list(range(4)), dtype="float32"),
   ...:         "D": np.array([3] * 4, dtype="int32"),
   ...:         "E": pd.Categorical(["test", "train", "test", "train"]),
   ...:         "F": "foo",
   ...:     }
   ...: )
   ...: 

In [10]: df2
Out[10]: 
     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo

DataFrame 的每一列数据的格式相同，可以通过dtypes 方法获取

In [11]: df2.dtypes
Out[11]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object

使用IPython，可以通过tab获取DataFrame的列名称以及公共属性。

二. 数据查看

2.1 head 和tail方法，查看头部和尾部的行数据

In [13]: df.head()
Out[13]: 
                   A         B         C         D
2013-01-01  0.469112 -0.282863