中期_1.Python的Numpy,Pandas库使用_ch06--numpy初始

1.pandas

• pandas是基于Numpy的一种工具，该工具是为了解决数据分析任务而创建的，
• Pandas是python的一个数据分析包，使用时就需要分别引入高级结构和工具模块，工具模块一般别名为pd

Series

• 通过 from pandas import Series 导入
• Series对象组成结构
• Series是由一组数据以及一组与之相关的数据标签（索引）组成

Series(random.randint(1000,4000,size=10),index=list(range(10)))

https://blog.csdn.net/kingov/article/details/79513322

• 根据index获取dict中的value,利用split()切分获取key,没有匹配到的key 显示 NaN

Series(data,index='AirCondition,Computer,SmartTV,PhoneTest'.split(',')) #索引肯定是从列表中取，split()切割成列表

---

demo01 2021-05-07

• dict转Series: sf = Series(data)

  参考:https://blog.csdn.net/Late_whale/article/details/103620013

对Series类型数据进行探查

data = {
    'test01':10,
    'test02':101,
    'test03':1001
}

sf = Series(data,index='test01 test02 test04'.split())

• 找缺失数据

  import pandas as pd
  pd.isnull(sf)
  -------------------------
  test01    False
  test02    False
  test04     True
  dtype: bool
  

• 找有数值数据,过滤掉缺失值

  pd.notnull(sf)
  ----------------------
  test01     True
  test02     True
  test04    False
  dtype: bool
  

• 找出为空的数据,并打印

  sf[pd.isnull(sf)]
  -----------------
  test04   NaN
  dtype: float64
  

• 找出不为空的数据,并打印

  sf[pd.notnull(sf)]
  -------------------
  test01     10.0
  test02    101.0
  dtype: float64
  

• 可以进行间的的运算

  sf.name='测试数据' #指定数据是干嘛的
  sf.index.name='测试类别' #指定index
  sf.reset_index() # 转换dataframe对象直接将name转换为列名
  

---

demo02 2021-05-08

• DataFrame :表格型的数据结构包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。
• Series :一个一维的数组对象,(类似Numpy的一维array) 它除了包含一组数据还包含一组索引，所以可以把它理解为一组带索引的数组。

参考:https://blog.csdn.net/snow__wei/article/details/100666418

https://zhuanlan.zhihu.com/p/131553804

import pandas as pd
from numpy import random
#随机产生形状(shape)为(3,3),范围的(1000,2000)里的整数
data = random.randint(1000,2000,size(3,3))
df = pd.DataFrame(data=data,columns=['A','B','C'],index=[0,1,2])
df
-------------------------
   A       B      C
0	1663	1981	1587
1	1001	1367	1443
2	1322	1443	1929

Pandas技巧之Series转换至DataFrame:https://www.jianshu.com/p/7618ab9ddc11