数据分析之Pandas（一）

首先导入相关模块

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

一、Series

Series是一种类似与一维数组的对象，由下面两个部分组成：
values：一组数据（ndarray类型）
index：相关的数据索引标签

1、Series的创建

两种创建方式：
(1) 由列表或numpy数组创建
默认索引为0到N-1的整数型索引

#使用列表创建Series

Series(data=[1,2,3,4,5])

0    1
1    2
2    3
3    4
4    5
dtype: int64

# 使用numpy创建Series

# 可以通过设置index参数指定索引
1 Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo')

a     3
d    22
f    35
g    19
t    21

# 由字典创建:不能在使用index.但是依然存在默认索引

dic = {
‘name’':Tom,
'age':99
}
s = Series(data=dic)

2、Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。

(1) 显式索引：　

- 使用index中的元素作为索引值

- 使用s.loc[]（推荐）:注意，loc中括号中放置的一定是显示索引

• 显示索引切片:index和loc

(2) 隐式索引：

- 使用整数作为索引值
- 使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引
s.iloc[0:2]

• 隐式索引切片：整数索引值和iloc

3、Series的基本概念

可以把Series看成一个定长的有序字典

可以通过shape，size，index,values等得到series的属性

s.index

s.values

可以使用s.head(),tail()分别查看前n个和后n个值
s.head(1)

对Series元素进行去重

s = Series(data=[1,1,2,2,3,3,4,4,4,4,4,5,6,7,55,55,44])

s.unique()  # array([ 1,  2,  3,  4,  5,  6,  7, 55, 44], dtype=int64)

两个Series进行相加:索引与之对应的元素会进行算数运算,不对应的就补空

s1 = Series([1,2,3,4,5],index=['a','b','c','d','e'])
s2 = Series([1,2,3,4,5],index=['a','b','f','c','e'])
s = s1+s2
s

a     2.0
b     4.0
c     7.0
d     NaN
e    10.0
f     NaN

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

s.notnull() # 判断每行是否是空值

a     True
b     True
c     True
d    False
e     True
f    False

s.isnull 与之恰好相反，空值为True 

例如：取出所以不是空值的行

 s[s.notnull()]

a     2.0
b     4.0
c     7.0
e    10.0

二、DataFrame

1、DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values

 DataFrame属性：values、columns、index、shape

dic = {
    '张三':[77,88,99,90],
    '李四':[67,88,99,78]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])

 

字典的key作为列索引，index作为显示索引

2、DataFrame的索引

(1) 对列进行索引

- 通过类似字典的方式  df['q']
- 通过属性的方式     df.q

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

例如：df['张三']

获取多个索引

#修改列索引

df.columns = ['zhangsan','lisi']

 

(2) 对行进行索引

- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引

同样返回一个Series，index为原来的columns。

 

(3) 对元素索引的方法

- 使用列索引
- 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前，列索引在后 如：df.iloc[0,1]


总结：索引的方式
1、对列进行索引使用df[],里面放置列索引
2、对行进行索引使用.loc[]方显示索引index 或.iloc[]放隐式索引整数

3、切片

总结：1、使用中括号df[0:2] 是对行进行切片

　　　2、使用loc、iloc是对列进行切片：df.loc['B':'C','丙':'丁']