第十章、jupyter入门之pandas

第十章、jupyter入门之pandas

一、什么是pandas

pandas是基于numpy的一种工具，这个工具是为了解决数据分析任务而创建的
pandas纳入利润大量库及标准的数据类型，提供了高效的操作的大型的数据集所需要的工具
pandas提供了大量能使我们快捷的处理数据的函数与方法
它是python成为强大而高效的数据分析环境的重要因素之一

导入

# 三剑客
import numpy
import pandas
from pandas import Series,DataFrame

二、Series

Series是一种类似于一组的对象
* values：一组数据（ndarrary）
*index：相关的数据索引标签

创建

由列表或numpy数组创建
```
s1 = Series([1,2,3,4])
>>> 0    1
    1    2
    2    3
    3    4
  dtype: int64
s1 = np.array([1,2,3,4])
>>> array([1, 2, 3, 4])
```
注意：由ndarray创建的是引用，不是副本，对Series元素的改变也会原来的ndarrary改变对象的元素（列表没有这种情况）

由字典创建

dic = {
  'name':'dancer',
  'age':19,
  'address':'hangzhou'
}
s3 = Series(data=dic)

索引和切片

索引和切片
loc为显示切片（通过键），iloc为隐式切片（通过索引）

访问单个元素

s[indexname]
s.loc[indexname] 推荐
s[loc]
s.iloc[loc] 推荐

访问多个元素

s[[indexname1,indexname2]]

s.loc[[indexname1,indexname2]] 推荐

s[[loc1,loc2]]

s.iloc[[loc1,loc2]] 推荐

三、基本概念

可以把Series看成一个定长的有序字典

可以通过shape（维度），size（长度），index（键）,values（值）等得到series的属性

4.基本运算
运算的原则就是索引对齐，如果缺失索引，对应位置补np.nan
NaN 是np.nan在pandas中的显示形式
可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据
可以使用isnull和any结合,来查看某一列或一行数据中是否存在缺失值

四、基本运算

运算的原则就是索引对齐，如果缺失索引，对应位置补np.nan
NaN 是np.nan在pandas中的显示形式
可以使用pd.isnull()，pd.notnull()，或自带isnull(),notnull()函数检测缺失数据
可以使用isnull和any结合,来查看某一列或一行数据中是否存在缺失值

# 需求：提取s3对象中的所有非空数据
s3[s3.notnull()]
# 提取空值的索引
s3[s3.isnull()].index
# Sereis,对象可以使用一个与该对象等长的bool_list列表作为index访问数组元素
# 碰到True,就把对应位置的值返回
s3[[True,False,True,True,True,False]]
# name属性为Series对象添加列索引
s3.name = 'haha'

pandas会自动处理空值

add()
sub()
mul()
div()

Series之间的运算

在运算中自动对齐不同索引的数据
如果索引不对应，则补NaN

# fill_value设置空值的填充值
s1.add(s2,fill_value=0)

五、DataFrame

DataFrame是一个【表格型】的数据结构，可以看做是【由Series组成的字典】（共用同一个索引）。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

行索引：index
列索引：columns
值：values（numpy的二维数组）

创建
最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

dic = {
    '张三':[150,150,150,300],
    '李四':[0,0,0,0]
}
DataFrame(data=dic,index=['语文','数学','英语','理综'])

也可以用下面代码实现创建

data = [[0,150],[0,150],[0,150],[0,300]]
index = ['语文','数学','英语','理综']
columns = ['李四','张三']
df = DataFrame(data=data,index=index,columns=columns)
>>>
>>>李四  张三
>>>语文  0   150
>>>数学  0   150
>>>英语  0   150
>>>理综  0   300
>>>
>>>

此外，DataFrame会自动加上每一行的索引（和Series一样）。

同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

索引

(1) 对列进行索引

通过类似字典的方式
通过属性的方式

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

(2) 对行进行索引

使用.ix[]来进行行索引
使用.loc[]加index来进行行索引
使用.iloc[]加整数来进行行索引

同样返回一个Series，index为原来的columns。

(3) 对元素索引的方法

使用列索引
使用行索引(iloc[3,1]相当于两个参数;iloc[[3,3]] 里面的[3,3]看做一个参数)
使用values属性（二维numpy数组）
索引行

df.loc[indexname] 推荐
df.iloc[loc]

索引列

df[columnname] 推荐
df.columnname

索引元素

df.loc[indexname].loc[columnname]
df[columnname].loc[indexname]
df.loc[indexname,columnname] 推荐