【pandas-01基础介绍-pandas入门&命令总结】

本文介绍pandas中一些常用的属性方法的概述，给读者提供快速学习的架构和思路。表格中提供的一些参数方法没有详细介绍，有需要查看官方文档。(由作者总结自最近看的书：Python for Data Analysis）

pandas 数据结构

• pandas用于装载一维数据的是Series，用于装载多维数据的是Dataframe，他们都有对应的索引对象Index Objects
• pandas的语法习惯与numpy有很多相通之处，区别在于numpy适合处理同质数据（即相同类型的数据），而pandas适合处理异质数据

Series

1. 创建Series数组

使用列表创建Series
使用字典创建Series，键为索引，值为数组。

# 用列表创建
pd.Series([0,1,2,3])
# 用字典创建
dict_ = {
   'a':0,'b':1,'c':2}
s = pd.Series(dict_)
# Series 转化为字典
s.to_dict()

2. 性质

Series 由数组和索引两部分组成。其中索引若没有在生成时指定，则默认为从0开始的整数。Series和其索引都可以设置name属性。

a = pd.Series([0,1,2,3])
# 数组部分
a.array
#索引部分
a.index
#给Series命名
a.name
#给索引命名
a.index.name

3. 索引

可以在生成Series时，自己指定索引

#生成自己指定索引的Series
s = pd.Series([0,1,2,3],index=['a','b','c','d'])
#改变Series的索引
s.index = ['e','f','g','h']

4. 运算

• 通过切片索引出Series种某个或某几个元素
• 使用布尔数组过滤
• 使用加减乘除等标量操作计算
• 使用numpy中的数学函数计算
• 将Series看作字典做元素in运算
• 判断是否为空，为空运算 isna() notna()

#通过切片索引出Series种某个或某几个元素
s['a']
s[['c','b','a']]
#使用布尔数组过滤
s[s>1]
#使用加减乘除等标量操作计算
s*2
#将Series看作字典做元素in运算
'b' in s
#判断是否为空，为空运算 
pd.isna(s)
pd.notna(s)
s.isna()

DataFrame

1. 创建Df数组

可以使用的输入数据创建Df数组的方法如下表

#使用列表的字典创建Df
list_dict = {
   'a'