Python学习笔记之第五章Pandas入门

pandas所包含的数据结构和数据处理工具的设计使得Python在进行数据清洗和分析非常快捷。

一、pandas数据结构介绍
1、Series

• Series是一种以为的数组型对象，包含了一个值序列，也包含了数据标签。索引在左边，值在右边

import pandas as pd
obj = pd.Series([2,4,6,1,4,5])
print(obj)

Output：0 2
1 4
2 6
3 1
4 4
5 5
dtype: int64

• 可以通过values属性和index属性分别获得Series对象的值和索引

import pandas as pd
obj = pd.Series([2,4,6,1,4,5])
print(obj.values)
print(obj.index)

Output：[2 4 6 1 4 5]
RangeIndex(start=0, stop=6, step=1)

• 可以创建索引

import pandas as pd
obj = pd.Series([2,4,6,1,4,5], index = ['a','b','c','d','e','f'])
print(obj)

Output：a 2
b 4
c 6
d 1
e 4
f 5
dtype: int64

• 与NumPy相比，可以通过使用标签进行索引

import pandas as pd
obj = pd.Series([2,4,6,1,4,5], index = ['a','b','c','d','e','f'])
print(obj['d'])

Output：1

• 值NaN的意思是not a number，这是pandas中标记缺失值或NA的方式
• Series对象自身和其索引都有name的属性
• Series的索引可以按位置赋值的方式进行改变

import pandas as pd
stata = ['ss','sfd','sfs','df','ada']
index = [1,2,3,4,5]
obj = pd.Series(stata,index)
obj.index = [100,98,95,92,90]
print(obj)

Output：100 ss
98 sfd
95 sfs
92 df
90 ada
dtype: object

2、 DataFrame

• DataFrame表示的是矩阵的数据表，包含已排序的列集合，每一列都可以是不同的值类型
• 有多种方式可以构建DataFrame，其中最常用的是利用包含等长度列表或Numpy数组的字典来形成DataFrame

import pandas as pd
data={
   'state':["ooo","hhh","xxx"],
      'year':[2000,2001,2002],
      'pop':[1.1,1.2,1.3]}
frame = pd.DataFrame(data)
print(frame)

Output：
state year pop
0 ooo 2000 1.1
1 hhh 2001 1.2
2 xxx 2002 1.3

• head()方法会只选出头部的五行
• 如果你指定了列的顺序，DataFrame的列会按照制定顺序进行排列

frame1 = pd.DataFrame(data,columns=['year','state','pop'])
print(frame1)

Output：
year state pop
0 2000 ooo 1.1
1 2001 hhh 1.2
2 2002 xxx 1.3

• 可以自己添加索引

frame2 = pd.DataFrame(data,columns=['year','state','pop'],index=['one','two','three'])
print(frame2)

Output：
year state pop
one 2000 ooo 1.1
two 2001 hhh 1.2
three 2002 xxx 1.3

• 可以只选出某一列或者某一行

#输出某一列
print(frame2['year'])
print(frame2.year)
#输出某一行
print(frame2.loc['three'])

Output：
one 2000
two 2001
three 2002
Name: year, dtype: int64
year 2002
state xxx
pop 1.3
Name: three, dtype: object

• 列的引用是可以修改的，可以赋值为标量值或值数组

frame2['debt'] = np.arange(3)
print(frame2)

Output:
year state pop debt
one 2000 ooo 1.1 0
two 2001 hhh 1.2 1
three 2002 xxx 1.3 2

• 使用关键字del来删除列

del frame2['debt']
print(frame2.columns)

Output：Index([‘year’, ‘state’, ‘pop’], dtype=‘object’)

3、 索引对象

• pandas中的索引对象是用于存储轴标签和其他元数据的。在构造Series或DataFrame时，你所使用的任意数组或标签序列都可以在内部转换为索引对象
• 与python集合不同的是，pandas索引对象可以包含重复的标签。根据重复标签进行筛选，会选取所有重复标签对应的数据
• 一些索引对象的方法和属性
  

二、 基本功能
1、 重建索引

• reindex是一个重要的方法可以创建一个符合新索引的新对象

import pandas as pd
obj = pd.Series([1,2,4,5],index=['a','b','c','d'])
print(obj)
obj1 = obj.reindex(