Pandas

1.Pandas简介

　　pandas是一个强大的Python数据分析的工具包，它是基于Numpy构建的。

　　Pandas的主要功能：

　　　　1）具备对其功能的数据结构DataFrame，Series

　　　　2）集成时间序列功能

　　　　3）提供丰富的数学运算和操作

　　　　4）灵活处理缺失数据

　　安装方法：pip install pandas

　　引用方法：import pandas as pd

2.Series

　　series是一种类似于一维数组的对象，由一组数据和一组与之相关的数据标签(索引)组成。

（1）创建Series对象的四种方法

第一种：
pd.Series([4,5,6])
执行结果：
0    4
1    5
2    6
dtype: int64
# 将数组索引以及数组的值打印出来，索引在左，值在右。由于没有为数据指定索引，会自动创建一个整数型索引，取值的时候可以通过索引取值。
-----------------------------------------------
第二种：
li = pd.Series([4,5,6],index=['a','b','c'])
li
执行结果：
a    4
b    5
c    6
dtype: int64
# 自定义索引，index是一个索引列表，里面包含的是字符串。
>>>li[1]        # 通过自定义索引取值
5
>>>li['b']      # 通过默认索引取值
5
-----------------------------------------------
第三种：
pd.Series({"a":1,"b":2})        # 指定索引
执行结果：
a    1
b    2
dtype: int64
-----------------------------------------------
第四种：
pd.Series(0，index=['a','b','c'])
执行结果：
a   0
b   0
c   0
dtype:int64   # 创建一个都是0的数组。

 （2）创建一个缺失数据

# 第一步创建一个字典，通过Series方式创建一个Series对象
a = {"aa":18,"bb":19,"cc":20}
li = pd.Series(a)
li
运行结果：
aa     18
bb     19
cc      20
dtype: int64
------------------------------------------
# 第二步
b = {'aa','bb','dd'}    # 定义一个索引变量
------------------------------------------
#第三步
lili = pd.Series(a,index=b)
lili    # 将第二步定义的a变量作为索引传入

# 运行结果：
dd        NaN
aa        18.0
bb        19.0
dtype: float64　　# 因为 dd 没有出现在a的键中，所以返回的是缺失值

（3）处理nan缺失值的方式

# 1. lili.isnull()   # 是缺失值返回Ture
运行结果：
dd     True 
bb    False
aa    False
dtype: bool
------------------------------------------
# 2.lili.notnull()    # 不是缺失值返回Ture
运行结果：
dd    False
bb     True
aa     True
dtype: bool
------------------------------------------
# 3、过滤缺失值 # 布尔型索引
obj1[obj1.notnull()]
运行结果：
cloud    21.0
yang     19.0
sean     18.0
dtype: float64
------------------------------------------
# 4.lili.dropna(inplace=True)    # inplace=True确保nan可以被成功过滤掉
运行结果：
bb    19.0
aa    18.0
dtype: float64
------------------------------------------
# 5.lili.fillna(0，inplace=True)    # inplace=True确保nan可以填充成功
运行结果：
bb    19.0
aa    18.0
dd    0.0
dtype: float64

（4）整数索引

li
运行结果：
sean     18.0
rocky     0.0
yang     19.0
cloud    21.0
dtype: float64
--------------------------------------------------
>>>li['rocky']   
0.0
>>>li.iloc[1]    # iloc：索引位置解释
0.0
>>>li.loc['rocky']    # loc：标签解释
0.0

（5）Series数据对齐

　　pandas在运算时，会按索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作数索引的并集。若某个索引对应的是nan，那该索引无论怎么相加都是nan。此时我们需要将缺失值设置为0；如sr1.add(sr3,fill_value=0)。

3.DataFrame

　　DataFrame是一个表格型的数据结构，相当于是一个二维数组，含有一组有序的列。他可以被看做是由Series组成的字典，并且共用一个索引。

创建方式

　　创建一个DataFrame数组可以有多种方式，其中最为常用的方式就是利用包含等长度列表或Numpy数组的字典来形成DataFrame：

# 第一种：
pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})   # 产生的DataFrame会自动为Series分配所索引，并且列会按照排序的顺序排列
运行结果：
    one two
0   1   4
1   2   3
2   3   2
3   4   1

> 指定列
可以通过columns参数指定顺序排列
data = pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
pd.DataFrame(data,columns=['one','two'])    # 打印结果会按照columns参数指定顺序
-------------------------------------------------------------------------
# 第二种：
pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([1,2,3],index=['b','a','c'])})
运行结果：
   one  two
a   1   2
b   2   1
c   3   3

 查看属性

pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([1,2,3],index=['b','a','c'])})  # 这样一个数组df
  one  two
a   1     2
b   2     1
c   3     3
-------------------------------------------------------------------------
df.index             # 获取行索引
运行结果：
Index(['a', 'b', 'c'], dtype='object')
-------------------------------------------------------------------------
df.columns        # 获取列索引
运行结果：
Index(['one', 'two'], dtype='object')
-------------------------------------------------------------------------
df.T            # 转置
运行结果：
      a   b   c
one 1   2   3
two 2   1   3
-------------------------------------------------------------------------
df.values         # 获取值索引
运行结果：
array([[1, 2],
       [2, 1],
       [3, 3]], dtype=int64)
------------------------------------------------------------------------
df.describe()    # 获取快速统计
运行结果： 
           one      two
count   3.0       3.0
mean   2.0       2.0
std       1.0      1.0
min      1.0      1.0
max     3.0      3.0 

 4.时间对象处理

 灵活处理时间对象：dateutil包

# dateutil.parser.parse()
import dateutil
dateutil.parser.parse("2019 Jan 2nd")  # 这中间的时间格式一定要是英文格式
运行结果:
datetime.datetime(2019, 1, 2, 0, 0)

 成组处理时间对象：pandas

pd.to_datetime(['2018-03-01','2019 Feb 3','08/12-/019'])
运行结果：
DatetimeIndex(['2018-03-01', '2019-02-03', '2019-08-12'], dtype='datetime64[ns]', freq=None)  # 将一个字符串格式转换为一个DatetimeIndex格式

 产生时间对象数组：data_range

pd.date_range("2019-1-1","2019-1-10")   # 取1到10号范围内的所有天数 
运行结果：
DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04','2019-01-05', '2019-01-06', '2019-01-07', '2019-01-08',
               '2019-01-09', '2019-01-10'],
              dtype='datetime64[ns]', freq='D')   # freq 时间频率，默认为'D'，