正文
Python数据分析-Pandas（Series与DataFrame）
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
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: int64a 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 25.0Pandas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=)
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=) #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) #
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'''
