pandas是python下强大的数据分析和探索工具，是的python在处理数据时非常快速、简单。它是构建在numpy之上的，包含丰富的数据处理函数，支持时间序列分析功能，支持灵活处理缺失数据。
pandas基础
# 安装 pip install pandas
pandas 基本的数据结构是 Series 和 DataFrame 。Series 就是序列，类似一维数组；DataFrame 则是相当于一张二维的表格，类似二维数组，它的每一列都是一个 Series 。每个 Series 都会带有一个对应的 Index ，用来标记不同的元素，Index 的内容可以是字母、数字、中文等。
Series
import numpy as np import pandas as pd # 创建Series方法 方法1：s1 = pd.Series([1, 2, 3, 4]) 方法2：s2 = pd.Series(np.arange(10)) # 通过numpy.arange创建 方法3：s3 = pd.Series({'1':1, '2':2, '3':3}) # 通过字典创建 方法4：s4 = pd.Series([1, 2, 3, 4], index=['A', 'B', 'C', 'D']) # 创建时设置索引 s1.values # 查看值 s1.index # 查看索引
DataFrame
from pandas import Series, DataFrame s1 = s2 = s3 = Series([1, 2, 3]) df = DataFrame([s1, s2, s3], index=['A','B','C'], columns=[0, 1, 2]) print(df) # DataFrame 包含 index 和 column，分别为行索引和列索引 out: 0 1 2 A 1 2 3 B 1 2 3 C 1 2 3 df.index # 查看行索引 df.column # 查看列索引
pandas实用操作
I/O操作（df1表示DataFrame格式数据）.
1、从粘贴板读取 df1.to_clipboard() #写入粘贴板 pd.read_clipboard() # 复制后执行命令，即可读取到粘贴板中信息 2、CSV文件 df1.to_csv('名字.csv',index=False) # false则表示不添加索引号 pd.read_csv('df1.csv') # 读取CSV文件 3、json df1.to_json() # 转化成json文件 pd.read_json(df1.to_json()) # 读取json文件 4、html df1.to_html('df1_html') # 转换成HTML文件 5、excel df1.to_excel('df1.xlsx') # 生成Excel文件
查看数据（df1表示DataFrame格式数据）
df1.head() # 返回前五行 df1.tail() # 返回后五行 # 返回更多的内容则在括号中写出来，不写则默认为五行 df1.iloc[:,:] # 索引切片，定位，基于index，与索引名无关 df1.loc[:,:] # 根据索引名来，label来过滤 # 取列（column） df1[] # 直接写column名便取得对应列，若要取多列，中括号内可以写个列表，eg：['A', 'B'] df1.T # 转置 df1.describe() # 快速查看数据的统计概要，包括count、mean、std、min等 # 排序 df1.sort_index(axis=1, ascending=False) # 按轴排序，axis表示轴(0为列，1为行)，ascending表示正反序 df1.sort_values(by='') # by后写column，表示按该column值排序
数据运算
在 pandas 中运算会自动对齐 index 和 column 。下面举例说明。
在 Series 中，两个Series相加，会自动对齐索引，当索引没有时，则为NaN，NaN与任何数相加都为NaN，因此会出现图中【5】的结果，fill_value是将两个Series中的缺失项先填充，再进行相加运算。DataFrame数据同理，下面不加以赘述。
缺失值
缺失值可以用 numpy.nan 来表示，NaN 具有传染性，换句话说就是与 NaN 进行运算的结果都是 NaN 。对于含有 NaN 的普通函数计算结果均为 NaN，例如：
a = numpy.array([2, 3, 1, numpy.nan, 4]) numpy.sum(a) umpy.min(a) umpy.max(a)等均为NaN # 但是其有安全模式，也就是忽略其中的 NaN 进行运算 numpy.nansum(a) umpy.nanmin(a) umpy.nanmax(a) 均会在已有数据中求相应的和，最大最小值
缺失值的发现
data.isnull() data.notnull() # 均返回布尔值
缺失值的去除
data.dropna(axis=0,how='any'，thresh=None) # axis表示行和列0,1来表示 # how为any时表示有Nan就删掉，为all时表示全为nan时才删掉 # thresh表示一个界限，超过这个数字的nan则被删掉
缺失值的填充
data.fillna(axis=0, method=ffill) # 或者参数只填一个数，即用该数字填充 axis 坐标轴，行或列 method 填充方式 ffill：forward-fill 从前向后填充 bfill：backward-fill 从后向前填充
合并（merge）
结合（concat） pandas.concat(df1, df2, df3) 连接（join） left = pd.DataFrame({'key': ['foo', 'foo'], 'lval':[1, 2]}) right = pd.DataFrame({'key': ['foo', 'foo'], 'rval':[1, 2]}) pd.merge(left, right, on="key") out: key lval rval 0 foo 1 4 1 foo 1 5 2 foo 2 4 3 foo 2 5 追加（append） data1.append(data2, ignore_index=True)
数据透视表（Pivot Tables）
当分析庞大的数据时，为了更好的发掘数据特征之间的关系，且不破坏原数据，就可以利用透视表 `pivot_table` 进行操作。
新建表将 `A, B, C` 列作为索引进行聚合。 df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3, 'B': ['A', 'B', 'C'] * 4, 'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2, 'D': np.random.randn(12), 'E': np.random.randn(12)}) pd.pivot_table(df, index=['A', 'B']) 1、透视表按指定行进行聚合 将该 DataFrame 的 `D` 列聚合，按照 `A, B` 列为索引进行聚合，聚合的方式为默认求均值。 pd.pivot_table(df, values=['D'], index=['A', 'B']) 2、透视表聚合方式定义 上一题中 `D` 列聚合时，采用默认求均值的方法，若想使用更多的方式可以在 `aggfunc` 中实现。 pd.pivot_table(df, values=['D'], index=['A', 'B'], aggfunc=[np.sum, len]) 3、透视表利用额外列进行辅助分割 `D` 列按照 `A, B` 列进行聚合时，若关心 `C` 列对 `D` 列的影响，可以加入 `columns` 值进行分析。 pd.pivot_table(df, values=['D'], index=['A', 'B'], columns=['C'], aggfunc=np.sum) 4、透视表的缺省值处理 在透视表中由于不同的聚合方式，相应缺少的组合将为缺省值，可以加入 `fill_value` 对缺省值处理。 pd.pivot_table(df, values=['D'], index=['A', 'B'], columns=['C'], aggfunc=np.sum, fill_value=0)
