Pandas介绍：
pandas是一个强大的Python数据分析的工具包，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
python里面安装、引入方式：
安装方法：pip install pandas
引用方法：import pandas as pd
Series数组的创建：
创建空的的值
import pandas as pd s = pd.Series() print(s) #Series([], dtype: float64)
传入一个列表
data=['a','b','c','d'] res=pd.Series(data) print(res) '''结果 0 a 1 b 2 c 3 d 这里没有传递任何索引，因此默认情况下，它分配了从0到len(data)-1的索引，即：0到3 '''
传一个字典
data = {'a' : 0, 'b' : 1, 'c' : 2}
s = pd.Series(data)
print(s)
'''结果
a 0
b 1
c 2
dtype: int64
注意 - 字典键用于构建索引。
'''
从标量创建索引：
如果数据是标量值，则必须提供索引。将按照索引重复该值进行匹配
res=pd.Series(0, index=['a','b','c','d']) print(res) '''结果 a 0 b 0 c 0 d 0 '''
自指定索引值：
res=pd.Series(['a','b','c','d'],index=['a_index','b_index','c_index','d_index']) print(res) '''结果 a_index a b_index b c_index c d_index d '''
从具有位置的系列中访问数据（取值）：
重点理解：数组是从零开始计数的，第一个位置存储再零位置)
查看index 、 values的值：
#查看数组的index值 print(res.index) #查看数组的value值 print(res.values) #取值（根据默认第零位开始取） print(res[0]) #a
取前三个值（不包括定义的最后一个数值）
res=pd.Series(['a','b','c','d'],index=['a_index','b_index','c_index','d_index']) #取前三个值（不包括3） print(res[:3]) #是个对象可以 res[:3].values '''结果
a_index a
b_index b
c_index c
dtype: object
'''
取后三个值：
print(res[-3:]) '''结果 b_index b c_index c d_index d dtype: object '''
使用索引标签检索数据并设置数据：
修改value值
res=pd.Series(['a','b','c','d'],index=['a_index','b_index','c_index','d_index']) print(res) res['a_index']='new_a' print(res) '''结果 a_index new_a b_index b c_index c d_index d '''
copy复制数据并修改
sr1=pd.Series([12,13,14],index=['c','a','d']) sr2=pd.Series([14,15,16],index=['d','c','a']) #可以使用copy赋值数组再修改 sr3=sr1[1:].copy() print(sr3) sr3[0]=1888 print(sr3) ''' a 13 d 14 dtype: int64 a 1888 d 14 dtype: int64 '''
运算：
初始构建2个数组
sr1=pd.Series([12,13,14],index=['c','a','d']) sr2=pd.Series([14,15,16],index=['d','c','a']) print(sr1+sr2) '''结果 a 29 c 27 d 28 '''
求和运算
Pandas自动对齐功能，如果自定义了索引就会找原来索引，如果没有值就为NaN
sr1=pd.Series([12,13,14],index=['c','a','d']) sr3=pd.Series([11,20,10,14], index=['d','c','a','b']) print(sr3) #求sr1+sr3和值 print(sr1+sr3) '''结果 a 23.0 b NaN #一位sr1中没有索引b，所以显示空 c 32.0 d 25.0 Pandas自动对齐功能，如果自定义了索引就会找原来索引，如果没有值就为NaN '''
针对Seires格式的数据，Pandas对其NaN值的处理如下：
#先构建一个缺失数据 sr1=pd.Series([12,13,14],index=['c','a','d']) sr2=pd.Series([14,15,16],index=['d','c','a']) sr3=pd.Series([11,20,10,14], index=['d','c','a','b']) #合并生成一个缺失数据 sr4=sr1+sr3 print(sr4) '''结果 a 23.0 b NaN c 32.0 d 25.0 dtype: float64 '''
第一步：格式为 pd.isnull（Series对象），isnull、notnull用于过滤、查找NaN的值
isnull，返回布尔数组，缺失值对应True
#isnull，返回布尔数组，缺失值对应True res=pd.isnull(sr4) print(res) '''结果 a False b True c False d False '''
notnull,返回布尔数组，缺失值对应为False
#notnull,返回布尔数组，缺失值对应为False res=pd.notnull(sr4) print(res) '''结果 a True b False c True d True dtype: bool '''
第二步：格式为 pd.Series.dropna（series对象），删除有NaN的行，注意对于Series的数据格式使用dropna必须是
pd.Series.dropna(sr4)这个格式，不能使用pd.dropna()这个是无效的，
dropna,删除NaN的行(因为是Series数据格式只有行的概念)
#dropna,过滤掉有NaN的行 res=pd.Series.dropna(sr4) print(res) ''' a 23.0 c 32.0 d 25.0 dtype: float64 '''
第三步：格式为 Series对象.fillna（‘要填充为的数据内容’）
fillna,填充缺失的数据
#fillna,填充NaN缺失的数据 res=sr4.fillna('这是给NaN做填充的数据') print(res) '''数据结构 a 23 b 这是给NaN做填充的数据 c 32 d 25 dtype: object '''
DataFrame数组创建
DataFrame是个二维数据结构，非常接近电子表格或者类似于mysql数据库的形式，是一个表格型的数据结构，含有一组有序的列。
DataFrame可以被看做是由Series组成的字典，并且共用一个索引。
创建数组
简单方式
data={'name':['google','baidu','yahho'],'marks':[100,200,300],'price':[1,2,3]}
res=DataFrame(data)
print(res)
'''结果(默认索引是0开始)
name marks price
0 google 100 1
1 baidu 200 2
2 yahho 300 3
'''
补充，与Series结合方式
#与Series结合的方式 res=pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])}) print(res) '''结果 one two a 1.0 2 b 2.0 1 c 3.0 3 d NaN 4 '''
数组属性、方法
1）index 获取索引
2）T 转置
3）columns 获取列索引
4）values 获取值数组
5) describe() 获取快速统计
6）sort_index(axis, …, ascending) 按行或列索引排序
7）sort_values(by, axis, ascending) 按值排序
data = {"name": ['google', 'baidu', 'yahoo'], "marks": [100, 200, 300], "price": [1, 2, 3]}
res=DataFrame(data)
print(res)
''' 依此来进行下面查询方法的验证
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3
'''
index获取索引
#index,查看索引 print(res.index) #RangeIndex(start=0, stop=3, step=1)
columns查看列索引
#columns，查看列索引 print(res.columns) #Index(['name', 'marks', 'price'], dtype='object')
values获取数组值
#values，查看值数组 print(res.values) '''结果 [['google' 100 1] ['baidu' 200 2] ['yahoo' 300 3]] '''
describe(),获取快速统计
#describe(),获取快速统计 # print(res.describe()) ''' marks price count 3.0 3.0 mean 200.0 2.0 std 100.0 1.0 min 100.0 1.0 25% 150.0 1.5 50% 200.0 2.0 75% 250.0 2.5 max 300.0 3.0 '''
sort_index(),按行或列索引排序
参数说明，axis=0/1 ascending=True升序/降序默认是True
#axis=0，按照行索引排序 res=res.sort_index(axis=0) print(res) '''索引排序结果 name marks price 0 google 100 1 1 baidu 200 2 2 yahoo 300 3 ''' #axis=1，按照列索引排序 res=res.sort_index(axis=1,ascending=True) print(res) '''列索引排序结果 marks name price 0 100 google 1 1 200 baidu 2 2 300 yahoo 3 '''
sort_values( by,axis,ascending ) 按值排序
#sort_values(by,axis,ascending) 按值排序 data = {"name": ['google', 'baidu', 'yahoo'], "marks": [100, 200, 300], "price": [1, 2, 3]} res=DataFrame(data) res=res.sort_values(by=['name'],axis=0) #这里的axis只能是0，每一列的数值就是根据每个数值的大小顺序上下浮动排序的，参照的就是逐行去对比 print(res) '''按照值排序结果 name marks price 1 baidu 200 2 0 google 100 1 2 yahoo 300 3 '''
手动指定索引值
#手动指定索引值 res=DataFrame(data,columns=['name','marks','price',],index=['第一','第二','第三']) print(res) '''结果 name marks price 第一 google 100 1 第二 baidu 200 2 第三 yahho 300 3 '''
取值（有行索引和列索引）
获取单列数据，例如获取name标签列数据
#获取单列 #1.获取名字标签列 res=DataFrame(data,columns=['name','marks','price',],index=['第一','第二','第三']) res=res['name'] print(res) '''结果 第一 google 第二 baidu 第三 yahho Name: name, dtype: object '''
获取price标签列数据
#2.获取价格标签列 # res=res['price'] # print(res) ''' 第一 1 第二 2 第三 3 Name: price, dtype: int64 '''
获取双列数据
同时获取2个标签(注意：同时获取两个标签时要双中括号引起来)
#同时获取2个标签(注意：同时获取两个标签时要双中括号引起来) res=res[['name','price']] print(res) '''结果 name price 第一 google 1 第二 baidu 2 第三 yahho 3 '''
获取数据中单个值
#先从单列里面取第一列，再从取出的列中取出第一个值 res=res['name'][0] print(res) #google
取前两行值
#先取前2行 res=res[0:2] print(res) ''' name marks price 第一 google 100 1 第二 baidu 200 2 '''
取前两行值后再从中取指定列
#先取前2行--再从中取指定列 res=res[0:2][['name','price']] print(res) '''结果：注意，取多个标签时要双括号 name price 第一 google 1 第二 baidu 2 '''
ix ，可以兼容下面loc、iloc用法，它可以根据行列标签又可以根据行列数，例如下面的（参数前：行索引 后：列索引）
import pandas as pd data = pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=["a","b","c"]) data A B C a 1 4 7 b 2 5 8 c 3 6 9 ：本文为博主原创文章，转载请附上博文链接！
比如要拿到5
方法1
data.ix[1,1] data.ix['b':'c','B':'C']
方法2
data.ix[1:3,1:3] data.ix['b':'c','B':'C']
loc，通过标签获取列
指定取某几个标签
#指定取某几个标签 res=DataFrame(data,columns=['name','marks','price',],index=['第一','第二','第三']) res=res.loc[:,['name','marks']] print(res) ''' name marks 第一 google 100 第二 baidu 200 第三 yahho 300 '''
取指定范围内的标签
#取指定范围内的标签 res=res.loc[:,'name':'price'] print(res) ''' name marks price 第一 google 100 1 第二 baidu 200 2 第三 yahho 300 3 '''
索引+标签取值
#索引+标签取值 data = {"name": ['google', 'baidu', 'yahoo'], "marks": [100, 200, 300], "price": [1, 2, 3]} res=DataFrame(data) print(res) '''初始结果 name marks price 0 google 100 1 1 baidu 200 2 2 yahoo 300 3 ''' #搭配取值写法 res=res.loc[0,['name']] print(res) '''结果 name google Name: 0, dtype: object '''
根据索引、标签范围配合取值（注意，0:1包含了1）
#根据索引、标签范围配合取值(注意，0:1包含了1) res=res.loc[0:1,['marks','price']] print(res) '''结果 marks price 0 100 1 1 200 2 '''
iloc，通过位置获取行数据
获取单行数据
data = {"name": ['google', 'baidu', 'yahoo'], "marks": [100, 200, 300], "price": [1, 2, 3]}
res=DataFrame(data)
print(res)
'''初始状态
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3
'''
#获第一行数据
res=res.iloc[0]
print(res)
'''结果
name google
marks 100
price 1
Name: 0, dtype: object
'''
获取多行数据
#获取多行数据 data = {"name": ['google', 'baidu', 'yahoo'], "marks": [100, 200, 300], "price": [1, 2, 3]} res=DataFrame(data) print(res.iloc[1]) # 先取到第2行： 1 baidu 200 2 res=res.iloc[1,2] #res.iloc[1,2]再在得到的行上再根据索引取值 print(res) #200
获取行和列（根据范围取值，注意前提还用默认索引）
#取行和列（根据范围来取） res=res.iloc[0:2,0:2] print(res) '''结果 name marks 1.先取前2行【0:2】即取0,1索引行 0 google 100 2.在1的基础上再取前2列【0,2】即取列索引为0,1 1 baidu 200 '''
取2、3行，然后打印这两行所有列的数据
res=res.iloc[1:3,:] print(res) '''结果 name marks price 1 baidu 200 2 2 yahoo 300 3 '''
取1、2行，然后单一显示它的第1、3列
#取第1、2行，然后打印显示它的第1、3列 res=res.iloc[[0,1],[0,2]] print(res) '''结果 name price 0 google 1 1 baidu 2 '''