Pandas简介

pandas是用于对数据进行分析，其需要依赖numpy模块，所以需要首先安装numpy
安装：pip install pandas
导入：import pandas as pd
主要功能：
1、具备对其功能的数据结构DataFrame、Series（即两种对象，其实有更多）
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

Series对象

Series对象是一种类似于一维数组的对象，由一组数据和一组与之相关的数据标签（索引）组成，好像是字典和列表的结合体

创建

方式一、pd.Series(列表或数组{,index=[列表]})

sr = pd.Series([1, 3, 5, 7, 9])
"""
0    1
1    3
2    5
3    7
4    9
""" 
sr = pd.Series([1, 3, 5, 7, 9], index=list(‘abcde‘))
"""
a    1
b    3
c    5
d    7
e    9
dtype: int64
"""

方式二、pd.Series(字典)

sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
"""
a    1
b    3
c    5
d    7
e    9
dtype: int64
"""

取对应下标或标签的值

sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
"""
a    1
b    3
c    5
d    7
e    9
dtype: int64
"""
# 可按下标取值
print(sr[0])  # 1
# 如指定了标签，则可使用标签，字典的key
print(sr[‘c‘])  # 5

属性

index属性和values属性

# index属性
sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
print(sr.index)  # Index([‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘], dtype=‘object‘)

# values属性
sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
print(sr.values)  # [1 3 5 7 9]

iloc属性：指定用下标索引
loc属性：标签索引

Series特性

数组的特性

Series支持数组（numpy）的特性，如与数值的计算、两个Series的运算，索引、切片、通用函数（如np.sqrt(sr)）、布尔值过滤、统计函数

字典的特性

1、in运算：
‘a‘ in sr：判断a是不是sr的标签之一
for x in sr：这里注意，python循环的是字典的键，而在Series中循环的是sr的值

sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
for x in sr:
    print(x)
"""
1
3
5
7
9
"""
# 如果要循环标签，可加上index，如下：
for x in sr.index:
    print(x)
"""
a
b
c
d
e
"""

2、键索引：sr[‘a‘]、sr[[‘a‘, ‘b‘, ‘e‘]]
3、键切片：sr[‘a‘:‘c‘]，注意python字典切片是不包尾，但在Series切片是包尾的

sr = pd.Series({‘a‘: 1, ‘b‘: 3, ‘c‘: 5, ‘d‘: 7, ‘e‘: 9})
print(sr[‘a‘: ‘c‘])
"""
a    1
b    3
c    5
"""

4、get函数：与字典的get是类似的sr.get(‘a‘, default=0)

整数索引

以下情况：

sr1 = pd.Series([1, 3, 5, 7, 9, 11])
sr2 = sr1[2:5]
"""
2    5
3    7
4    9
"""

那么sr2[2]是按下标索引还是标签索引？下面做了个测试

print(sr2[2])  # 5

得出了是按标签索引，所以默认是按标签索引，而如果要指定是按下标索引怎么办呢？用到iloc属性，如下：

print(sr2.iloc[2])  # 9

也可指定用标签索引，用loc属性

print(sr2.loc[2])  # 5

数据对齐

Series之间进行运算，是根据相同标签查找的值进行运算，如下：

# 按标签进行运算，不是按下标运算
sr1 = pd.Series([12, 23, 34], index=list(‘cad‘))
sr2 = pd.Series([11, 20, 10], index=list(‘dca‘))
sr3 = sr1 + sr2
"""
a    33
c    32
d    45
"""

如果找不到对应的下标，则会用NaN标记，如下：

sr1 = pd.Series([12, 23, 34], index=list(‘cae‘))
sr2 = pd.Series([11, 20, 10], index=list(‘dca‘))
sr3 = sr1 + sr2
"""
a    33.0
c    32.0
d     NaN
e     NaN
"""

如果需要在缺失的数据上填上默认值怎么办呢？那这时候进行运算时就需要用到add、sub、div、mul等运算的fill_value，例子如下：

sr1 = pd.Series([12, 23, 34], index=list(‘cae‘))
sr2 = pd.Series([11, 20, 10], index=list(‘dca‘))
print(sr1.add(sr2, fill_value=0))
"""
a    33.0
c    32.0
d    11.0
e    34.0
"""

缺失数据的处理

1、sr.dropno()：把Series中标记为NaN的数据丢弃

sr1 = pd.Series([12, 23, 34], index=list(‘cae‘))
sr2 = pd.Series([11, 20, 10], index=list(‘dca‘))
sr3 = sr1 + sr2
print(sr3.dropna())
"""
a    33.0
c    32.0
"""

2、sr.fillna(值)：填充一个值
3、sr.isnull()：返回一个布尔数组，缺失值对应为True

sr1 = pd.Series([12, 23, 34], index=list(‘cae‘))
sr2 = pd.Series([11, 20, 10], index=list(‘dca‘))
sr3 = sr1 + sr2
"""
a    False
c    False
d     True
e     True
"""

4、sr.notnull()：返回一个布尔数值，缺失值对应为False
注意：panads一般需要重新赋值才可以继续使用，不赋值那还是原来的值？？？