pandas入门

from pandas import Series ,DataFrame 引入两个常用的工具数据结构

Series:

)1.传入列表（自动生成索引，或通过index生成指定索引）

obj = Series([1 , 4 , 9 , 16])
print(obj)
0     1
1     4
2     9
3    16
dtype: int64

obj = Series([1,4,9,16],index=['一','四','九','十六'])
print(obj)
一      1
四      4
九      9
十六    16
dtype: int64

)2.传入字典（键为索引，字典值为值）

obj = Series({'a':'1,2,3','b':'1'})
print(obj)
a    1,2,3
b        1
dtype: object

DataFrame:

)1.传入嵌套等长列表的字典（键为列名，字典值为值，自动生成索引，可以通过index指定列名）

obj = DataFrame({'a':['A','A','A'],'b':['B','B','B'],'c':['C','C','C']})
print(obj)
   a  b  c
0  A  B  C
1  A  B  C
2  A  B  C

)2.传入包含NumPy数组的字典或直接传入Numpy数组

obj = DataFrame({'a':np.arange(3),'b':np.arange(3),'c':np.arange(3)})
print(obj)
   a  b  c
0  0  0  0
1  1  1  1
2  2  2  2

)3.传入嵌套字典的字典（外部键为列名，内部键为索引）

obj = DataFrame({'a':{'A':'aA','B':'aB','C':'aC'},'b':{'A':'bA','B':'bB','C':'bC'},'c':{'A':'cA','B':'cB','C':'cC'}})
print(obj)
   a   b   c
A  aA  bA  cA
B  aB  bB  cB
C  aC  bC  cC

Series的一些操作

1.类似于NumPy的操作
obj = Series([1,4,9,16],index=['一','四','九','十六'])
print(obj[obj>8])
九      9
十六    16
dtype: int64

obj = Series([1,4,9,16],index=['一','四','九','十六'])
print(obj*8)
一       8
四      32
九      72
十六    128
dtype: int64

2.用NaN来表示残缺值
data = ['一','九','四','六']
obj = Series([1,4,9,16],index=['一','四','九','十六'])
obj2 = Series(obj,index=data)
print(obj2)
一    1.0
九    9.0
四    4.0
六    NaN
dtype: float64
    
3.自动对齐索引
+： 双方共同的索引的话，值会相加；只有一方有，则会显示NaN
data = ['一','九','四','六']
obj = Series([1,4,9,16],index=['一','二','三','四'])
obj2 = Series([-1,-4,-9,-16],index=['一','二','三','五'])
print(obj+obj2)
一    0.0
三    0.0
二    0.0
五    NaN
四    NaN
dtype: float64

4.Series对象和索引的name属性
data = ['一','九','四','六']
obj = Series([1,4,9,16],index=['一','二','三','四'])
obj.name='zxw'
obj.index.name = 'num'
print(obj)
num
一     1
二     4
三     9
四    16
Name: zxw, dtype: int64

DataFrame的一些操作

1.DataFrame有行索引和列索引。
行索引用columns来指定，列索引用index来指定
obj = DataFrame(np.arange(16).reshape((4,4)),index=['1','2','3','4'],columns=['一','二','三','四'] )
print(obj)
    一   二   三   四
1   0   1   2   3
2   4   5   6   7
3   8   9  10  11
4  12  13  14  15

2.DataFrame可以看成是很多Series组成的，DataFrame可以按字典标记或者属性那样检索为Series
obj = DataFrame(np.arange(16).reshape((4,4)),index=['1','2','3','4'],columns=['一','二','三','四'] )
    一   二   三   四
1   0   1   2   3
2   4   5   6   7
3   8   9  10  11
4  12  13  14  15

print(obj['一'])
1     0
2     4
3     8
4    12
Name: 一, dtype: int32

print(obj.一)
1     0
2     4
3     8
4    12
Name: 一, dtype: int32

3.loc(按名称选取行)，iloc(按序号选取行)：选取行
print(obj.loc['1'])
一    0
二    1
三    2
四    3
Name: 1, dtype: int32
        
4.del:删除列,只能用来删除列！
del obj['一']
print(obj)   
    二   三   四
1   1   2   3
2   5   6   7
3   9  10  11
4  13  14  15        

pandas的基本功能

1.reindex
reindex用于创建一个拥有新索引的新对象：会按照新的索引进行排序；只会出现新的索引值；某个索引值之前不存在则会引入缺少值NaN.

2.drop：返回一个新对象
在Series中通过obj.drop('行索引')来删除某行，也可传入列表来删除多行
在Series中还需要指定asix参数，不指定默认为0，即删除列；指定为1或columns删除某行。

3.Series的切片索引包含尾部！

4.loc(x,y)：选择名称为x的行，名称为y的列
  iloc(num1,num2):选择序号为num1的行，序号为num2的列

5.算术和数据对齐

6.fill_value用于指定填充值，将填充值与现有的值相加
obj = DataFrame(np.arange(16).reshape((4,4)),index=['1','2','3','4'],columns=['一','二','三','四'] )

obj1 = DataFrame(np.arange(16).reshape((4,4)),index=['1','3','6','9'],columns=['一','二','三','四'] )

print(obj+obj1)
      一     二     三     四
1   0.0   2.0   4.0   6.0
2   NaN   NaN   NaN   NaN
3  12.0  14.0  16.0  18.0
4   NaN   NaN   NaN   NaN
6   NaN   NaN   NaN   NaN
9   NaN   NaN   NaN   NaN

print(obj.add(obj1,fill_value=0))
      一     二     三     四
1   0.0   2.0   4.0   6.0
2   4.0   5.0   6.0   7.0
3  12.0  14.0  16.0  18.0
4  12.0  13.0  14.0  15.0
6   8.0   9.0  10.0  11.0
9  12.0  13.0  14.0  15.0

6.apply：将函数应用到一行或一列的一维数组上。
obj = DataFrame(np.arange(16).reshape((4,4)),index=['1','2','3','4'],columns=['一','二','三','四'] )
f = lambda x:x.max()-x.min()
print(obj.apply(f))
一    12
二    12
三    12
四    12
dtype: int64
    
print(obj.apply(f,axis=1))
1    3
2    3
3    3
4    3
dtype: int64

7.排序
)1.Series
obj.sort_index()
obj.sort_value()
)2.DataFrame
obj.sort_index(axis=?)
obj.sort_value(by=?):通过给哪一列或几列排序，确定整体的顺序
    
8.排名