python教程——pandas全指南

1 定义数据结构

1.1 Series

pandas主要的数据结构是 Series （一维数据）与 DataFrame（二维数据）。
Series （一维数据）：可以是数字（整数、浮点数等）、字符串、列表，元组，字典等python对象。series的每个值都有一个索引，默认从0开始。具有不变性（创建后大小不变）。

 pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

data可以是列表[1,2,3]

pd.Series([1,2,3])

可以是字符串[“a”,"b","c"]

pd.Series(["a","b","c"])

可以是数组np.array([1, 2, 3])

pd.Series(np.array([1, 2, 3]))

可以是字典{1: "a", 2: "b", 3: "c"}，这种方式把索引指定为1，2，3。

pd.Series({1:"a",2:"b",3:"c"})

1.2 Dataframe

Dataframe（二维数据）是一个二维的表格，有许多有序的列，每列的数据类型可以不一样，可以是数字（整数、浮点数等）、字符串、列表，元组，字典等python对象。Dataframe的每行每列分别有一个索引，默认从0开始。具有可变性！

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

data可以是二维列表[["a",1],["b",2],["c",3]]，每一行都是一个列表

pd.DataFrame([["a",1],["b",2],["c",3]], columns=['abc', '123'])

data可以是二维数组np.array([[1,2],[3,4],[5,6]])。

pd.DataFrame(np.array([[1,2],[3,4],[5,6]]), columns=['col1', 'col2'])

data可以是字典 {'Sex':["f", "f", "m"], 'Age':[10, 12, 13]}，字典的键将成为列名，字典的值将成为数据，这种方式需要值的长度一样。

pd.DataFrame({"Sex":["f","f","m"],"Age":[10,12,13]})

colomns是列名，可以是字典的键的子集或者排序，实现对数据的筛选和排序。

若数据有NaN值，可以:

pd.DataFrame([{"Sex":"f","Age":10},{"Sex":"f","Age":65,"edu":65}])

2 读取和保存文件

载入csv文件
import pandas as pd
df = pd.read_csv('data.csv')

输出csv文件
df.to_csv('data1.csv') #将 DataFrame 存储为 csv 文件

3 读取数据格式

一些常用的代码：
data.head(10) #读取前10行，不填默认为5
data.tail(10) #读取尾部10行，不填默认为5
data.info() #读取数据基本信息，多少行多少列和每一列数据类型。有多少空值
data.shape
data.index #索引
data.colomns #列名

4 访问某个位置的元素

4.1 读取数据某一列：

data["Sex"]

4.2 访问具体某个位置的元素：

有两种方式，一种是.iloc访问索引整数，一种是.loc是访问列标签
.iloc[] #访问位置 是具体的整数
data.iloc[:,0] #第一列的所有行
data.iloc[:,0:1]#第一列的所有行，注意在python里区间是不包含最后一个元素的，并且把0当作初始值

data.iloc[0,1] #第一行第二列的元素

.loc #访问标签 即列索引 列名
data.loc[0,'Sex'] #sex列所有行

data.loc[0,"Sex"] #具体数值

5 修改数据

5.1 增减列

修改某一列的数据
data['Sex']=['m','m']
加新的一列
data['value']=[10,1]
加新的一行
data.loc[3]=['f',10,2,1]

5.2 删除行列

删除某列元素
data.drop('Sex',axis=1)
删除某行元素
data.drop(0)

5.3 索引和切片

提取多列

提取多行

5.4 数据分析

描述性统计
data.describe()