二、Pandas库与数据处理

# Author:Zhang Yuan
import pandas as pd
import numpy as np

#Pandas提供了两大数据结构：一维结构的Series类型、二维结构的DataFrame类型。

#Series对象本质上是Numpy对象，具有index和values两大属性。

#对于输入的valuas，Series会默认位置索引0、1、2、3...，还可以自定义标签索引。

#Series切片支持“标签切片”和“位置切片”。位置切片即Python切片，包括头不包括尾；但“标签切片”包括头包括尾。之所以这样设计是因为，通常我们不知道标签的顺序，无法知道末尾标签下一个标签是什么。

#时间序列Series，在索引和切片方面有优化：
from datetime import datetime
dates=[datetime(2016,1,1),datetime(2016,1,2),datetime(2016,1,3),datetime(2016,2,1)]
ts=pd.Series([1,2,3,4],index=dates)
print(ts["20160101"],ts["2016-01-01"],ts["01/01/2016"]) #时间序列多种字符串索引
print(ts["2016"])                                       #只传入年或年月来切片
print(ts["2016-01"])                                    #只传入年或年月来切片
print(ts["2016-01":"2016-03"])                          #切片字符串时间戳可以不必存于index中

#DataFrame是一个表格型的数据结构，每一列代表一个变量，每一行是一条记录。简单来说，DataFrame是共享同一个index的Series的集合。

#DataFrame对象的索引和切片---------------------------------------------------
dates=[datetime(2016,1,i) for i in range(1,10)]
df=pd.DataFrame(np.random.randn(9,4),index=dates,columns=list("ABCD"))
print(df[0:3])                      #对行切片
print(df["A"])                      #提取单独一列
print(df[["A","C"]])                #提取多列
print(df[df["A"]>0])                #根据boolean值提取行
#PS注意：对列直接切片出错：df["A":"C"]；直接同时的操作行列也出错：df[1:3,"A"]
#如果要行列操作，需要用方法：标签索引和切片loc[]
print(df.loc[:,"A"])                   #提取一列
print(df.loc[:,"A":"C"])               #列切片
print(df.loc[dates[0:4],"A":"C"])      #行列切片
print(df.loc[dates[0],"A"])            #特定值
print(df.loc[df.loc[:,"A"]>0])         #根据boolean值提取
#如果要行列操作，需要用方法：位置索引和切片iloc[]
print(df.iloc[2])                 #提取行，相当于df.iloc[2,:]
print(df.iloc[:,2])               #提取列
print(df.iloc[[1,4],[2,3]])       #提取多个行列值，不是切片，类似numpy
print(df.iloc[1:5,2:4])           #切片
print(df.iloc[2,3])               #提取特定值
#-----------------------------------------------------------------------------

#Series与DataFrame对象的运算
#Series与Series是index匹配运算
s1=pd.Series([1,2,3],index=list("ABC"))
s2=pd.Series([4,5,6],index=list("BCD"))
s2-s1
#DataFrame与Series是DataFrame的column与Series的index匹配，PS:不是index匹配
df1=pd.DataFrame(np.arange(1,13).reshape(3,4),index=list("abc"),columns=list("ABCD"))
df1-s1
#DataFrame与DataFrame是同时对index与column匹配
df2=pd.DataFrame(np.arange(1,13).reshape(4,3),index=list("bcde"),columns=list("CDE"))
df1*df2

#DataFrame的轴axis与numpy一样。0轴-Y轴-列数据、1轴-X轴-行数据。