这是书籍《Pandas Cookbook》书籍第01章的代码复现，所有代码运行在Jupyter Notebook上，原讲解地址是：
https://www.jianshu.com/p/5809f6cf78ca
我上传代码的github地址是：
https://github.com/Asunqingwen/PandasCookbook.git
github上有该书中用到的data，里面代码会不定期更新（因为工作原因，时间不定），直到本书学习完成！
相比原讲解，会穿插一些自己的理解，水平有限，请各路大神指正。

文章目录

1.DataFrame的结构体
2.访问DataFrame的组件
3.理解数据类型
4.选择一列数据，作为Series
5.调用Series方法
6.在Series上使用运算符
7.串联Series方法
8.使索引有意义
9.重命名行名和列名
10.创建或删除列

1.DataFrame的结构体

import pandas as pd
import numpy as np
#设定最大列数和最大行数
pd.set_option('max_columns',8,'max_rows',10)

#用read_csv()方法读取csv文件
movie = pd.read_csv('data/movie.csv')
movie.head()

head(n)函数是显示前n行，默认显示前5行
在这里插入图片描述

2.访问DataFrame的组件

#提取列索引
columns = movie.columns
#提取行索引
index = movie.index
#提取数据
data = movie.values
columns
index
data

显示列索引，就是列名
在这里插入图片描述

显示行索引，默认的行索引是数据从上到下的排列顺序，这里一共4916个数据
在这里插入图片描述

这是所有数据的展示
在这里插入图片描述

输出各个变量的数据类型
在这里插入图片描述

issubclass(a,b)这个函数是判断a是否是b的子类型

#判断是不是子类型
issubclass(pd.RangeIndex,pd.Index)

用变量的values属性获取变量具体的值
在这里插入图片描述

3.理解数据类型

#各列的类型
movie.dtypes
#显示各类型的数量
movie.get_dtype_counts()

在这里插入图片描述

扫描二维码关注公众号，回复： 6429358 查看本文章

4.选择一列数据，作为Series

这里先解释下什么Series，Pandas库中的基本数据结构是Series，而Series类似于一维数组，不过它有index这个属性，而将多个Series按列合并就组成了Pandas类似于二维数组的结构——DataFrame，这也是最常用的，上面的movie就是一个DataFrame

这里分别通过索引和属性的方式，选取了column name为director_name的那一列
在这里插入图片描述

同样用索引和属性两种方式查看movie中一列的数据类型，可以看到是Series，最后是将一列转为DataFrame，然后取前面5行
在这里插入图片描述

5.调用Series方法

查看所有不重复的指令，其实就是用到了set中元素不重复的特性，dir()是Python的内置函数，可以list出对象的所有属性和方法

#查看Series所有不重复的指令
s_attr_methods = set(dir(pd.Series))
len(s_attr_methods)

#查看DataFrame所有不重复的指令
df_attr_methods = set(dir(pd.DataFrame))
len(df_attr_methods)

#这两个集合中有多少共有的指令
len(s_attr_methods & df_attr_methods)

下面是Series调用head()方法，前面是DataFrame在调用
在这里插入图片描述

下面的code主要是计算Series的size，shape，len等，这些方法和numpy库以及list内置方法很类似

#分别计数,最多显示10行
pd.set_option('max_rows',10)
director.value_counts()

actor_1_fb_likes.value_counts()

director.size

director.shape

len(director)

#director有多少非空值
director.count()

在这里插入图片描述
下面的code主要是计算pandas中数据的基本统计特征值，比如min，max，avg，std等，注意quantile(n)这个函数，如果n=0.5，那它返回的就是中位数

#actor_1_fb_likes的中位分位数
actor_1_fb_likes.quantile()

#求最小值、最大值、平均值、中位数、标准差、总和
actor_1_fb_likes.min(),actor_1_fb_likes.max(),\
actor_1_fb_likes.mean(),actor_1_fb_likes.median(),\
actor_1_fb_likes.std(),actor_1_fb_likes.sum()

#打印描述信息
actor_1_fb_likes.describe()

director.describe()

actor_1_fb_likes.quantile(.25)

#各个十分之一分位数
actor_1_fb_likes.quantile([.1,.2,.3,.4,.5,.6,.7,.8,.9])

在这里插入图片描述

下面的code主要是判断数据里是否有缺失值，对缺失值的处理是补充还是删掉，同时计算某列各个值出现的频率，即value_counts(normalize=True)，如果这里不设置normalize这个参数，那么value_counts这个函数只有计数的功能

#非空值
director.isnull()

#填充缺失值
actor_1_fb_likes_filled = actor_1_fb_likes.fillna(0)
actor_1_fb_likes_filled.count()

#删除缺失值
actor_1_fb_likes_dropped = actor_1_fb_likes.dropna()
actor_1_fb_likes_dropped.size

#value_counts(normalize=True) 可以返回频率
director.value_counts(normalize=True)

#判断是否有缺失值
director.hasnans

#判断是否是非缺失值,注意区别上面用到的isnull()函数
director.notnull()

在这里插入图片描述