20200112（pandas）

 pandas 入门:

pandas 含有使数据分析工作变得更快更简单的高级数据结构和操作工具。pandas 是基于Numpy 构建的。

导入pandas包：

 

from pandas import Series , DataFrame
import pandas as pd

 

1. pandas 的数据结构介绍

包括两个主要的数据结构：Series 和DataFrame.

1.1 Series

 

Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。仅由一组数据即可产生最简单的Series：

Series 的字符串形式表现为：索引在左边，值在右边。由于我们没有为数据指定索引，于是会自动创建一个0 到N-1 （N为数据的长度）的整数型索引。可以通过Series 的values 和index 属性获取其数组表示形式和索引对象。

 

我们也可以创建一个可以对各个数据点进行标记的索引：

如果数据被存放在一个python字典中，也可以直接通过这个字典来创建Series：

如果Series中的values值缺失，索引对应的位置就会显示NaN（即“非数字”not a number）.

在pandas中，它用于表示缺失或者NA值。pandas的isnull 和notnull 函数可用于检测缺失数据。

 

1.2  DataFrame

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，他可以被看做由Series 组成的字典（共同用一个索引）。

 

1.2.1  构建DataFrame

 

方法一：

 

直接传入一个由等长列表或者Numpy 数组组成的字典：

data = {‘state’:[‘0hio’, ‘0hio’, ‘Nevada’, ‘Lai’, ‘ lao’],
      ‘year’:[2000, 2001, 2002, 2003, 2004],
      ‘pop’:[1.5, 1.7, 3.6, 2.4, 2.9]}
frame = DataFrame(data)

如下：结果DataFrame 会自动加上索引，且全部列会被有序排列：

我们也可以指定列序列：

跟Series一样，如果传入的列的在数据中找不到，就会产生NA值：

通过类似字典标记的方式或者属性的方式，可以将DataFrame的列获取为一个Series：

返回的Series拥有原DataFrame相同的索引，且其name属性也已经被相应的设置好了。

行也可以通过位置或名称的方式进行获取，比如用索引字段 ix:

1.2.2  索引对象

pandas 的索引对象负责管理轴标签和其他元数据（比如轴名称等）。构建Series和DataFrame 时，所用到的任何数组或其他序列的标签都会被转换成一个Index：

注：index对象是不可修改的（immutable）。用户不能对其进行修改，这样才能使Index对象在多个数据结构之间安全共享。

 

每个索引都有一些方法和属性，它们可用于设置逻辑并回答有关该索引所包含的数据的常见问题。

1.2.3 基本功能

• 重新索引 

pandas对象的一个重要方法是reindex，作用是创建一个适应新索引的新对象。

• 丢弃指定轴上的项

drop方法:

• 滤除缺失数据

dropna 方法：

• 填充缺失数据

fillna 方法