第三周的课程pandas 分析数据
http://pandas.pydata.org
import pandas as pd
常与numpy matplotlib 一块定义
d=pd.Series(range(20))
d.cumsum()
主要提供两个数据类型
Series DataFrame
基于上述数据类型的各类操作
很好的表示和封装
numpy 更关注数据的结构表达 数据之间构成的维度
pandas 基于numpy 实现的扩展库
建立其应用与索引之间的关系
Series 数据和索引 series类型由一组数据与索引构成
a=pd.Series([9,8,7,6])
会自动增加一个索引
沿用numpy中的类型
更强大的索引能力
b=pd.Series=([9,8,7,6],index=['a','b','c','d'])
b
自定义索引的写法 ↑
对于其每一个数据都会关联一个索引（自动生成或者自定义索引）
Series 可以由 python列表 标量值其它函数 python字典 numpy ndarray
这里是Series 的创建
1 标量创建
s=pd.Series(25,index=['a','b','c'])
这里的index=不可省略
2 字典创建
d=pf.Series({"a":9,"b":8,"c":7})
这样的话 key -> index
value ->value
e=pd.Series({'a':9,'b':8,'c':7},index=['c','b','a'])
这里的index制定了形状
e
c 7.0
a 9.0
b.8.0
d Nan
以上的字典构造Series 的两种方式
3 ndarray中创建
n=pd.Series(np.arrange(5))
m=pd.Series(np.arrange(5),index=np.arrange(9,4,-1))
Series 的基本操作
import pandas as pd
b=pd.Series([9,8,7,6],['a','b','c','d'])
b.index
b.values
获得index 和 values
Series = index + ndarray
b[1]
8
b['b']
8
两套索引可以并存，但是不能混用
可以用自定义索引的列表进行切片
可以通过自动索引进行切片
b[3] 第3个
b[:3] 0-3个
Series 类型切出来还是Series 类型
b[b>b.median()] 所有大于元素中位数的项
输出Series类型
是Series 就有index 和 values
对Series的运算都是返回Series
类似字典类型
可以通过自动索引进行切片，而且索引和值会被一同切片
保留字 in
'c' in b 判断c是不是b的索引的一部分(只判断自定义索引，不会判断自动索引)
True
方法 .get()
b.get('f',100) 得到 ‘f’对应的值，没有就返回１００（默认）
Series 的对齐操作
a=pd.Series([1,2,3,],['c','d','e'])
b=pd.Series([9,8,7,6],['a','b','c','d'])
a+b
索引相同的元素相加，索引不同的项不管
有数据+没有值=没有值
这是一个对齐问题（更加精确，更加不容易出错）
对象和索引都可以有一个书名，存储在.name
b.name 对象的名字
b.index.name 索引的名字
Series类型的修改
随时修改并且即刻生效
b['b','c']=20 修改索引为'b'，'c'的元素
基本操作之间存在对齐问题 ， 根据索引对齐
带标签数组的含义就是
DataFrame 类型
是由公用相同索引的一组列组成
indexcolumn axis=1
index_0 data_a ...
index_1 data_b ...
...
axis=0
表格型的数据类型
常用二维数据
DataFrame的创建
二维nd.array对象
由一维ndarray ,列表，字典，元组，Series 构成的字典
Series 类型
其他的Dataframe创建
import pandas as pd
import numpy as np
d=pd.DataFrame(np.arrange(10).reshape(2,5))
d
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
使用字典创建 DataFrame
dt={"one":pd.Series([1,2,3],index=['a','b','c']) ,
"two":pd.Series([9,8,7,6],index=['a','b','c','d'])
}
每一个字典键值对，对应一个column
d=pd.DataFrame(dt)
d
one two
a 1 9
b 2 8
c 3 7
d nan 6
有一点点像自动对齐
pd.DataFrame(dt,index=['b','c','d'],column=['two','three'])
这里也同样是指定形状
有一点像自动对齐的规则
two three
b 8 nan
c 7 nan
d 6 nan
还可以通过列表类型的字典创建
dl={'one':[1,2,3,4],'two':[9,8,7,6]}
key:List 分别对应两个column ,columnvalues
d=pd.DataFrame(dl,index=['a','b','c','d']) 只指定index
用字典的话column顺序 不一定与字典中相同
d.columns
d.index
返回Series （index)
d.values
返回ndarray
D['同比']获得其中某一列（column) Series
d.ix[] 获得其中的某一行(row) Series
d["同比"][“c2”] 先列(column)后行 奇怪。。（看上面的取值方法）
d.ix['c2'][同比] 这样就先行（row)后列了吧（column)
二维带标签的数组