一、Series
类似numpy中的一维数组，但series更灵活，可以自定义索引。
-
创建一维数组：①直接创建：s=Series(data=[1,2,3,4],index=list(‘abcd’))
②通过array创建: s = np.array([1,2,3,4])
pd.Series(s)
③通过list创建: s= [1,2,3,4]
pd.Series(s)
④通过字典创建： dict={‘小明’:1,‘小红’:2,‘小亮’:3,‘小张’:4}
s=Series(dict)
字典的key变为数组的索引，字典的value变为数组的value -
获取数组中的数据：s.values
-
获取数组中的索引：s.index
-
获取数据中的键值对：list(s.iteritems())
-
获取数组中的某个值：①按索引获取：s[ ‘小明’ : ’小亮’ ]
②按位置获取：s[ 0:2 ] -
修改索引：s.index=list[ ‘abcd’ ]在原数组修改
m=s.reindex([‘a’,‘b’,‘c’])返回一个新的数组 -
删除数组中的元素：s.drop(‘小明’)
-
数组的运算：根据索引对相应数据计算，如果两个数组中找不到相同的index,对应位置返回nan
-
布尔数组过滤：s[s>3]首先返回s>3的布尔值，然后进行判断输出
-
数组与数计算：给每一个元素都进行相应计算（与numpy同）
二、 Dataframe
是一个二维表，可存储不同类型的数据
- 创建二维数组：①直接创建：pd.DataFrame([[‘1’,‘2’,‘3’],[‘4’,‘5’,‘6’]]])
②通过二维数组创建：m=np.random.randint(0,10,(3,3))
m=DataFrame(m,index=[1,2,3],columns=[‘a’,‘b’,‘c’])
③通过字典创建: dict={‘name’:[‘t’,‘r’,‘y’],‘score’:[‘1’,‘2’,‘3’]})
m=pd.Dataframe(dict)或m=pd.Dataframe.from_dict(dict)
字典的key转换为列索引；字典中每个key对应值个数不同时，转化后，没有值的位置返回nan - 获取行、列数：m.shape()
- 获取行索引：m.index.tolist()
- 获取列索引：m.columns.tolist()
- 获取数据类型：m.dtypes
- 返回数组信息：m.info()
- 获取前几行：m.head()
- 获取后几行：m.tail()
- 获取某一列：m[‘索引名’]返回的是一个Series
- 获取多列：m[ [ ‘索引名1’, ‘索引名2’ ] ] 返回的是一个DataFrame
- 获取多行：m[0:2]使用切片
- 获取多行多列：m[0:2] [ [ ‘索引名1’, ‘索引名2’ ] ]
m.iloc[1:3,2:5]通过位置信息提取
m.loc[[1,2],[‘b’,’c’]]通过索引信息提取
三、数据处理
1.缺失值处理：
①删除缺失值
Series：
删除nan：s.dropna( )
返回不为空的值：s.notnull( )返回值为布尔值
过滤空值：s [ s.notnull( ) ]
Dataframe ：
m.dropna(axis=1,how=‘any’) 默认只要包含nan则删除整行，axis表示按列/列判断，how表示是全部为nan时删除/只要包含一个nan即删除
m.dropna(thresh=1) 只要有1个元素不是nan就保留
②填充空缺值：
m.fillna(m.mean(),inplace=True)inplace表示是否在原数据上修改，或返回一个新的数组
填充方式：
- 0固定值填充
- m.mean()均值填充
- method=‘ffill’/'bfill’用其前/后面的值填充（用limit限制填充数量，axis控制填充方向）
2.去除重复：
判断是否重复：m.drop_duplicated( )返回布尔值
去除重复值：m.drop_duplicates( )
指定列去除重复值：m.drop_duplicates([‘索引名’] ，inplace=True,keep=last)keep代表重复值中保留哪一个
3.合并：
m.join(n,how=‘left’)针对行操作， how表示连接方式：left、right、outer。选择left时，以m为主，选择outer时，所有元素均含有。
pd.merge(m,n,how=‘left’)针对列操作,类似数据库操作