Pandas ， series 与 Dataframe的创建

Pandas

Pandas 可以说是人见人爱。如果说 Nympy 还有些阳春白雪的话，那么 Pandas 就更接地气！

通过带有标签的列和索引，Pandas 使我们可以以一种所有人都能理解的方式来处理数据。它可以让我们毫不费力地从诸如 csv 类型的文件中导入数据。我们可以用它快速地对数据进行复杂的转换和过滤等操作。

在学习Pandas之前，我们先开启Python绝佳的浏览器学习模式， Jupyter Notebook 。首先进入 Anaconda 的命令行模式，然后在命令行下输入以下指令:

activate study
jupyter notebook

 

Series & DataFrame

Series 

这个可以理解成一维

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import datetime

s1 = pd.Series([1, 3, 5, np.nan, 50, 0])
print(s1)

运行结果

Series 的表现形式为：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为长度）的整数型索引。

其中NaN是缺省值的意思，这里np.nan是独特的用法，就跟下边np.pi就是π一个意思

还可以通过字典的方式创建序列，字典的键自动成为 Series 的索引。

print(np.pi)

d1 = {'a': 10, 'b': np.nan, 'c': 30, 'd': 0, 'e': np.pi}
s2 = pd.Series(d1)
print(s2)

运行结果

DataFrame

这个理解成二维

创建一个DataFrame

a = np.array([[1, 3, 5, 7],
              [2, 4, 6, 8],
              [0, 0, 0, 0]])

rows = ['row1', 'row2', 'row3']
cols = ['one', 'two', 'three', 'four']
df1 = pd.DataFrame(a, index=rows, columns=cols)
print(df1)

# 练习，通过字典创建一个和上述 df1 一样的  DataFrame
# 提示, 通过字典构造 DataFrame 时，其形式是 DataFrame(dict)

运行结果

习题答案

d1={'row1':[1,3,5,7],'row2':[2,4,6,8],'row':[0,0,0,0]}
df = pd.DataFrame(d1,index=cols)
print(df)

运行结果

看到这个结果我是崩溃的，可能不是特别熟练，这个也是好几个星期之前学的，没练，咬着牙改成下边这样，但是这么写肯定不对

d1={'one':[1,2,0],'two':[3,4,0],'three':[5,6,0],'four':[7,8,0]}
df = pd.DataFrame(d1,index=rows)
print(df)

运行结果

      one  two  three  four
row1    1    3      5     7
row2    2    4      6     8
row3    0    0      0     0

这里加一个字典创建DataFrame的实例

data = {'state':['Ohino','Ohino','Ohino','Nevada','Nevada'],
        'year':[2000,2001,2002,2001,2002],
        'pop':[1.5,1.7,3.6,2.4,2.9]}
df = DataFrame(data,index=['one','two','three','four','five'],
               columns=['year','state','pop','debt'])
print(df)

运行结果

先到这

 别到这了，找到字典构造的方法了

data = {'data':[[1,3,5,7],[2,4,6,8],[0,0,0,0]],
        'rows':['row1', 'row2', 'row3'],
        'cols': ['one', 'two', 'three', 'four']}
df3 = DataFrame(data['data'],index=['row1', 'row2', 'row3'],
               columns=['one', 'two', 'three', 'four'])
print(df3)

运行结果

完美！

 又找到方法了

d1={'row1':[1,3,5,7],'row2':[2,4,6,8],'row':[0,0,0,0]}
df = pd.DataFrame(d1,index=['one', 'two', 'three', 'four'])
print(df.T)

运行结果

 

其实都是基础知识，没整理，全给忘了