Andy's blog

pandas中两个常用的类：Series, DataFrame

Series

Series是一个类似一维数组的结构，有两部分组成：index,values Series创建由列表或者numpy数组创建，也可以由字典创建

Series创建

#Series数据源必须为一维
#列表
Series(data=[1,2,34])
0     1
1     2
2    34
dtype: int64

#numpy数组
Series(data=np.random.randint(0,100,size=(4,))) #如果size指定了两个维度就会报错
0    51
1    10
2    95
3    13
dtype: int32

#data为字典，key被当作索引，value为值
dic={'a':1,'b':2}
Series(data=dic)
a    1
b    2
dtype: int64

Series索引与切片

Series索引分为隐式索引，显式索引，它的索引可以是字符串

s =Series(data=[1,2,3],index=['数学','语文','英语'])
数学    1
语文    2
英语    3
dtype: int64

索引与切片操作：

s[-1]
3
s[1:] # 切片操作
语文    2
英语    3
dtype: int64

Series属性

shape,size,index.values

s.shape
(3,)
s.size
3
s.index
Index(['数学', '语文', '英语'], dtype='object')
s.values
array([1, 2, 3], dtype=int64)

Series常用方法

head,tail,unique,isnull,notnull,add,sub, mul,div

s.head(2)  # 显示前两条数据
数学    1
语文    2
dtype: int64
s.tail(2)  # 显示后两条数据
语文    2
英语    3
dtype: int64
s.unique（）  # 去重
s =Series(data=[1,2,2,1])
s.unique()
array([1, 2], dtype=int64)

算术运算：add,sub,mul,div 
运算规则：索引匹配的值进行算术运算，否则补空,注意最后的索引项相当于并集
s1=Series(data=[1,2,3,4])
s2=Series(data=[3,2,1])
s1.add(s2)
0    4.0
1    4.0
2    4.0
3    NaN
dtype: float64
s3=Series(data=[1,2,3,4],index=['a','b','c','d'])
s4=Series(data=[1,2,3,4],index=['a','e','c','f'])
s3.mul(s4)
a    1.0
b    NaN
c    9.0
d    NaN
e    NaN
f    NaN
dtype: float64

bool可以作为索引取值：True表示取，False表示舍
s5 = Series(data=[1,2,3,4],index=['a','b','c','d'])
s5[[True,False,True,False]]
a    1
c    3
dtype: int64

# 获取bool值
s5.isnull()
a    False
b    False
c    False
d    False
dtype: bool
将这组bool值作为索引，用来清洗数据
s5[s5.notnull()]
s5=s3.mul(s4)
s5
a    1.0
b    NaN
c    9.0
d    NaN
e    NaN
f    NaN
dtype: float64
s5[s5.notnull()]
a    1.0
c    9.0
dtype: float64

DataFrame

DataFrame是一个表格型数据，将Series从一维扩展到多维，有行索引，也有列索引行索引：index 列索引：columns 值：values

DataFrame创建

numpy，字典两种创建方式

df=DataFrame(data=np.random.randint(1,50,size=(3,4))) # size只能指定2维，可以通过index,columns指定行，列索引
    0   1   2   3
0   8   30  43  32
1   22  8   21  26
2   31  13  32  6

dic={
    'name':['andy','zhou'],
    'age':[20,30]
}
df = DataFrame(data=dic)  # key作为列索引，行索引默认为数字
df
    name    age
0   andy    20
1   zhou    30
显式指定行索引：
df = DataFrame(data=dic,index=['a','b'])
    name    age
a   andy    20
b   zhou    30

DataFrame属性

values,columns,index,shape

df.values
array([['andy', 20],
       ['zhou', 30]], dtype=object)

df.columns
Index(['name', 'age'], dtype='object')
df.index
Index(['a', 'b'], dtype='object')
df.shape
(2, 2)

DataFrame索引与切片

对行/列进行索引，对元素进行索引当设定了显式索引，就不能用隐式索引

取列

直接通过括号取的不是行，而是列：

df
    name    age
a   andy    20
b   zhou    30

df['a']  # 报错没有
df['name']
a    andy
b    zhou
Name: name, dtype: object

取一列时直接写列索引即可，如果取多列，为了表示多列，用一个列表

df[['name','age']]
    name    age
a   andy    20
b   zhou    30

取列

loc,iloc

df.loc['a']  # 显式索引
name    andy
age       20
Name: a, dtype: object
df.iloc[0]  # 隐式索引
name    andy
age       20
Name: a, dtype: object

同样的道理，取多行，要用一个列表表示

df.loc[['a','b']]
    name    age
a   andy    20
b   zhou    30

df.iloc[[0,1]] 
    name    age
a   andy    20
b   zhou    30

取元素

取单个元素

df.loc['a','name']  # 括号内分别表示 行列
'andy'
df.iloc[0,1]  # 使用iloc时行列都得使用隐式索引
20

取多个元素：记住逗号左边为行，右边为列

df.loc[['a','b'],['name']]
    name
a   andy
b   zhou

df.iloc[[0,1],[0]]
    name
a   andy
b   zhou

切片

一个中括号表示切行,切列一定要用loc/iloc

df[0:1]
    name    age
a   andy    20

#列
df.loc[:,'name':'age']  # 注意是开区间
    name    age
a   andy    20
b   zhou    30
df.iloc[:,0:1]
    name
a   andy
b   zhou

数据分析 pandas