我们先要了解，pandas是基于Numpy构建的，pandas中很多的用法和numpy一致。pandas中又有series和DataFrame，Series是DataFrame的基础。
pandas的主要功能：
- 具备对其功能的数据结构DataFrame，Series
- 集成时间序列功能
- 提供丰富的数学运算和操作
- 灵活处理缺失数据，处理NaN数据（******）
一、Series
Series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
1.创建方法
第一种： pd.Series([4,5,6,7]) #执行结果 0 4 1 5 2 6 3 7 dtype: int64 #将数组索引以及数组的值打印出来，索引在左，值在右，由于没有为数据指定索引，于是会自动创建一个0到N-1（N为数据的长度）的整数型索引，取值的时候可以通过索引取 第二种： pd.Series([4,5,6,7,8],index=['a','b','c','d','e']) #index索引是用[] #执行结果 a 4 b 5 c 6 d 7 e 8 dtype: int64 # 自定义索引，index是指定的索引名，是一个索引列表，里面包含的是字符串，依然可以通过默认索引取值。 第三种： pd.Series({"a":1,"b":2}) #传入字典格式数据 #执行结果： a 1 b 2 dtype: int64 # 传入字典格式的数据，字典的key当成指定索引 第四种： pd.Series(0,index=['a','b','c']) #执行结果： a 0 b 0 c 0 dtype: int64 # 创建一个值都是0的数组
对于Series，其实我们可以认为它是一个长度固定且有序的字典，因为它的索引和数据是按位置进行匹配的，像我们会使用字典的上下文，就肯定也会使用Series，也支持通过索引取值。
2.缺失数据（******）在处理数据的时候经常会遇到这类情况
- dropna() # 过滤掉值为NaN的行
- fillna() # 填充缺失数据
- isnull() # 返回布尔数组，缺失值对应为True
- notnull() # 返回布尔数组，缺失值对应为False
# 第一步，创建一个字典，通过Series方式创建一个Series对象 st = {"sean":18,"yang":19,"bella":20,"cloud":21} obj = pd.Series(st) obj 运行结果： sean 18 yang 19 bella 20 cloud 21 dtype: int64 ------------------------------------------ # 第二步 a = {'sean','yang','cloud','rocky'} # 定义一个索引变量 ------------------------------------------ #第三步 obj1 = pd.Series(st,index=a) obj1 # 将第二步定义的a变量作为索引传入 # 运行结果： rocky NaN cloud 21.0 sean 18.0 yang 19.0 dtype: float64 # 因为rocky没有出现在st的键中，所以返回的是缺失值
dropna() #过滤掉值有NaN的行
obj1.dropna() #执行结果 cloud 21.0 sean 18.0 yang 19.0 dtype: float64
fillna() #填充缺失数据，这个填写1
obj1.fillna(1) #执行结果 cloud 21.0 sean 18.0 yang 19.0 rocky 1.0 dtype: float64
isnull() #缺失值返回True
obj1.isnull() #执行结果 cloud False sean False yang False rocky True dtype: bool
notnull() #不是缺失值返回True
obj1.notnull() #执行结果 cloud True sean True yang True rocky False dtype: bool
利用布尔值索引过滤缺失值
obj1[obj1.notnull()] #只有True的才显示 #执行结果 cloud 21.0 sean 18.0 yang 19.0 dtype: float64
3.Series特性
- 从ndarray创建Series:Series(arr)
- 与标量（数字）：sr * 2
- 两个Series运算
- 通用函数：np.ads(sr)
- 布尔值过滤：sr[sr>0]
- 统计函数：mean()、sum()、cumsum()
因为pandas是基于numpy的，所以有numpy的很多特性
支持字典的特性：
- 从字典创建Series：Series(dic),
- In运算：'a'in sr、for x in sr
- 键索引：sr['a'],sr[['a','b','d']]
- 键切片：sr['a':'c']
- 其他函数：get('a',default=0)等
4.整数索引
sr = pd.Series(np.arange(10)) sr1 = sr[3:] sr1 运行结果： 3 3 4 4 5 5 6 6 7 7 8 8 9 9 dtype: int32 # 到这里会发现很正常，一点问题都没有，可是当使用整数索引取值的时候就会出现问题了。因为在pandas当中使用整数索引取值是优先以标签解释的（就是index的值），而不是下标。
比如我想取索引值为1的数值，不再是我们之前的那种方法
sr1[1] #这种方式是取不出的，因为默认优先的是以标签解释的，这个没有1的标签
解决方法：
- loc属性 # 以标签解释
- iloc属性 # 以下标解释
sr1.iloc[1] #以下标取值，（索引值为1的） #执行结果 4 sr1.loc[4] #以标签取值（index值为1） #执行结果 4
5.Series数据对齐
sr1 = pd.Series([12,23,34], index=['c','a','d']) sr2 = pd.Series([11,20,10], index=['d','c','a',]) sr1 + sr2 运行结果: a 33 c 32 d 45 dtype: int64 # 可以通过这种索引对齐直接将两个Series对象进行运算 sr3 = pd.Series([11,20,10,14], index=['d','c','a','b']) sr1 + sr3 运行结果： a 33.0 b NaN c 32.0 d 45.0 dtype: float64 # sr1 和 sr3的索引不一致，所以最终的运行会发现b索引对应的值无法运算，就返回了NaN,一个缺失值
将两个Series对象相加时将缺失值设为0
sr1 = pd.Series([12,23,34], index=['c','a','d']) sr3 = pd.Series([11,20,10,14], index=['d','c','a','b']) sr1.add(sr3,fill_value=0) 运行结果： a 33.0 b 14.0 c 32.0 d 45.0 dtype: float64 # 将缺失值设为0，所以最后算出来b索引对应的结果为14
二.DataFrame
DataFrame是一个表格型的数据结构，相当于是一个二维数组，含有一组有序的列。他可以被看做是由Series组成的字典，并且共用一个索引。
1.创建方式
创建一个DataFrame数组可以有多种方式，其中最为常用的方式就是利用包含等长度列表或Numpy数组的字典来形成DataFrame：
第一种： pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]}) # 产生的DataFrame会自动为Series分配所索引，并且列会按照排序的顺序排列 运行结果： one two 0 1 4 1 2 3 2 3 2 3 4 1 #字典的key就是列索引，行索引和series一致 > 指定列 可以通过columns参数指定顺序排列 data = pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]}) pd.DataFrame(data,columns=['two','one']) #执行结果 two one 0 4 1 1 3 2 2 2 3 3 1 4 #注意：columns一定要是key值中的，才能匹配的到，不然会报错 第二种： pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([1,2,3],index=['b','a','c'])}) 运行结果： one two a 1 2 b 2 1 c 3 3
#字典的key是列索引，index是行索引