Python中的pandas库

导入包

import pandas as pd
import numpy as np

提供高性能医用的数据类型和分析工具

pandas基于numpy实现，常与numpy和matplotlib一同使用

pandas的核心数据结构

series是一种类似于一维数组的对象，它由一维数组以及一组与之相关的数据标签（索引）组成

就是带标签的一维数组，可存储整数，浮点数，字符串，python对象等类型的数据

s=pd.Series(['a','b','c','d','e'])

print(s)
#结果：
0    a
1    b
2    c
3    d
4    e
dtype: object

series中可以使用index设置索引列表，与字典不同的是，series允许索引重复

s1=pd.Series(['a','b','c','d','e'],index=[100,200,100,400,500])
print(s1)
#结果：
100    a
200    b
100    c
400    d
500    e
dtype: object

series可以用字典实例化

s2={'a':1,'b':2,'c':3}
s3=pd.Series(s2)
print(s3)
#结果：
a    1
b    2
c    3
dtype: int64

可以通过Series的values和index属性获取其数组表示形式和索引对象

print(s3.values)
print(s3.index)
#结果：
[1 2 3]
Index(['a', 'b', 'c'], dtype='object')

s4=pd.Series(np.array([1,2,3,4,5]),index=['a','b','c','d','e'])
print(s4)
#结果：
a    1
b    2
c    3
d    4
e    5
dtype: int32

对应元素求和

print(s4+s4)
#结果：
a     2
b     4
c     6
d     8
e    10
dtype: int32

对应元素乘

print(s4*3)
#结果：
a     3
b     6
c     9
d    12
e    15
dtype: int32

series中最重要的一个功能，她会在算术运算中自动对齐不同索引的数据

series和多维数组的主要区别在于，series之间的操作会自动基于标签对齐数据，因此不用顾忌执行计算操作的series是否有相同的标签

obj1 = pd.Series({"Ohio": 35000, "Oregon": 16000, "Texas": 71000, "Utah": 5000})
print(obj1)
obj2 = pd.Series({"California": np.nan, "Ohio": 35000, "Oregon": 16000, "Texas": 71000})
print(obj2)
print(obj1 + obj2)
#结果：
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64

s5=pd.Series(np.array([1,2,3,4,5]),index=['a','b','c','d','e'])
print(s5[1:])
print(s5[:-1])
print(s5[1:]+s5[:-1])
#结果：
b    2
c    3
d    4
e    5
dtype: int32
a    1
b    2
c    3
d    4
dtype: int32
a    NaN
b    4.0
c    6.0
d    8.0
e    NaN
dtype: float64

DataFrame可以进行行索引，列索引，是pandas中重要的数据结构

DataFrame是一个表格型的数据结构，类似于Excel或sql表

他含有一组有序的列，每列可以是不同的值类型（数值，字符串，布尔值）

DataFrame既有行索引，也有列索引，他可以被看做是由series组成的字典（共用同一个索引）

用多维数组字典，列表字典生成DataFrame

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
frame=pd.DataFrame(data)
print(frame)
#结果：
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9

如果指定了列顺序，那么DataFrame的列就会按照指定的顺序进行排序

framel=pd.DataFrame(data,columns=['year','state','pop'])
print(framel)
#结果：
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

和series一样，如果传入的列在数据中找不到，就会产生NAN值

frame2=pd.DataFrame(data,columns=['year','state','pop','debt'],index=['one','two','three','four','five'])
print(frame2)
#结果：
       year   state  pop debt
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.9  NaN

用series字典或字典生成DataFrame

d={'one':pd.Series([1,2,3],index=['a','b','c']),
   'two':pd.Series([1,2,3,4],index=['a','b','c','d'])
   }
print(pd.DataFrame(d))
#结果：
  one  two
a  1.0    1
b  2.0    2
c  3.0    3
d  NaN    4

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取位一个Series，返回Series拥有原DataFrame相同的所有

print(frame2['state'])
#结果：
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

列可以通过赋值的方式进行修改，给那个空的“delt”列赋上一个标量值或一组值

frame2['debt']=16.5
print(frame2)
#结果：
       year   state  pop  debt
one    2000    Ohio  1.5  16.5
two    2001    Ohio  1.7  16.5
three  2002    Ohio  3.6  16.5
four   2001  Nevada  2.4  16.5
five   2002  Nevada  2.9  16.5

frame2['new']=frame2['debt']*frame2['pop']
print(frame2)
#结果：
year   state  pop  debt    new
one    2000    Ohio  1.5  16.5  24.75
two    2001    Ohio  1.7  16.5  28.05
three  2002    Ohio  3.6  16.5  59.40
four   2001  Nevada  2.4  16.5  39.60
five   2002  Nevada  2.9  16.5  47.85

frame2['debt']=np.arange(5)
print(frame2)
#结果：
    year   state  pop  debt    new
one    2000    Ohio  1.5     0  24.75
two    2001    Ohio  1.7     1  28.05
three  2002    Ohio  3.6     2  59.40
four   2001  Nevada  2.4     3  39.60
five   2002  Nevada  2.9     4  47.85