Pandas介绍：
pandas是一个强大的Python数据分析的工具包，是基于NumPy构建的。
Pandas的主要功能：
1)具备对其功能的数据结构DataFrame、Series
2)集成时间序列功能
3)提供丰富的数学运算和操作
4)灵活处理缺失数据
python里面安装、引入方式：
安装方法：pip install pandas
引用方法：import pandas as pd
Series数组的创建：
创建空的的值
importpandas as pd
s=pd.Series()print(s) #Series([], dtype: float64)
传入一个列表
data=[‘a’,’b’,’c’,’d’]
res=pd.Series(data)print(res)”’结果
0 a
1 b
2 c
3 d
这里没有传递任何索引，因此默认情况下，它分配了从0到len(data)-1的索引，即：0到3”’
传一个字典
data = {‘a’ : 0, ‘b’ : 1, ‘c’ : 2}
s=pd.Series(data)print(s)”’结果
a 0
b 1
c 2
dtype: int64
注意 – 字典键用于构建索引。”’
从标量创建索引：
如果数据是标量值，则必须提供索引。将按照索引重复该值进行匹配
res=pd.Series(0, index=[‘a’,’b’,’c’,’d’])print(res)”’结果
a 0
b 0
c 0
d 0”’
自指定索引值：
res=pd.Series([‘a’,’b’,’c’,’d’],index=[‘a_index’,’b_index’,’c_index’,’d_index’])print(res)”’结果
a_index a
b_index b
c_index c
d_index d”’
从具有位置的系列中访问数据(取值)：
重点理解：数组是从零开始计数的，第一个位置存储再零位置)
查看index 、 values的值：
#查看数组的index值
print(res.index)#查看数组的value值
print(res.values)#取值(根据默认第零位开始取)
print(res[0]) #a
取前三个值(不包括定义的最后一个数值)
res=pd.Series([‘a’,’b’,’c’,’d’],index=[‘a_index’,’b_index’,’c_index’,’d_index’])#取前三个值(不包括3)
print(res[:3]) #是个对象可以 res[:3].values
”’结果
a_index a
b_index b
c_index c
dtype: object
”’
取后三个值：
print(res[-3:])”’结果
b_index b
c_index c
d_index d
dtype: object”’
使用索引标签检索数据并设置数据：
修改value值
res=pd.Series([‘a’,’b’,’c’,’d’],index=[‘a_index’,’b_index’,’c_index’,’d_index’])print(res)
res[‘a_index’]=’new_a’
print(res)”’结果
a_index new_a
b_index b
c_index c
d_index d”’
copy复制数据并修改
sr1=pd.Series([12,13,14],index=[‘c’,’a’,’d’])
sr2=pd.Series([14,15,16],index=[‘d’,’c’,’a’])#可以使用copy赋值数组再修改
sr3=sr1[1:].copy()print(sr3)
sr3[0]=1888
print(sr3)”’a 13
d 14
dtype: int64
a 1888
d 14
dtype: int64”’
运算：
初始构建2个数组
sr1=pd.Series([12,13,14],index=[‘c’,’a’,’d’])
sr2=pd.Series([14,15,16],index=[‘d’,’c’,’a’])print(sr1+sr2)”’结果
a 29
c 27
d 28”’
求和运算
Pandas自动对齐功能，如果自定义了索引就会找原来索引，如果没有值就为NaN
sr1=pd.Series([12,13,14],index=[‘c’,’a’,’d’])
sr3=pd.Series([11,20,10,14], index=[‘d’,’c’,’a’,’b’])print(sr3)#求sr1+sr3和值
print(sr1+sr3)”’结果
a 23.0
b NaN #一位sr1中没有索引b，所以显示空
c 32.0
d 25.0
Pandas自动对齐功能，如果自定义了索引就会找原来索引，如果没有值就为NaN”’
针对Seires格式的数据，Pandas对其NaN值的处理如下：
#先构建一个缺失数据
sr1=pd.Series([12,13,14],index=[‘c’,’a’,’d’])
sr2=pd.Series([14,15,16],index=[‘d’,’c’,’a’])
sr3=pd.Series([11,20,10,14], index=[‘d’,’c’,’a’,’b’])#合并生成一个缺失数据
sr4=sr1+sr3print(sr4)”’结果
a 23.0
b NaN
c 32.0
d 25.0
dtype: float64”’
第一步：格式为pd.isnull(Series对象)，isnull、notnull用于过滤、查找NaN的值
isnull，返回布尔数组，缺失值对应True
#isnull，返回布尔数组，缺失值对应True
res=pd.isnull(sr4)print(res)”’结果
a False
b True
c False
d False”’
notnull,返回布尔数组，缺失值对应为False
#notnull,返回布尔数组，缺失值对应为False
res=pd.notnull(sr4)print(res)”’结果
a True
b False
c True
d True
dtype: bool”’
第二步：格式为 pd.Series.dropna(series对象)，删除有NaN的行，注意对于Series的数据格式使用dropna必须是
pd.Series.dropna(sr4)这个格式，不能使用pd.dropna()这个是无效的，
dropna,删除NaN的行(因为是Series数据格式只有行的概念)
#dropna,过滤掉有NaN的行
res=pd.Series.dropna(sr4)print(res)”’a 23.0
c 32.0
d 25.0
dtype: float64”’
第三步：格式为 Series对象.fillna(‘要填充为的数据内容’)
fillna,填充缺失的数据
#fillna,填充NaN缺失的数据
res=sr4.fillna(‘这是给NaN做填充的数据’)print(res)”’数据结构
a 23
b 这是给NaN做填充的数据
c 32
d 25
dtype: object”’
DataFrame数组创建
DataFrame是个二维数据结构，非常接近电子表格或者类似于mysql数据库的形式，是一个表格型的数据结构，含有一组有序的列。
DataFrame可以被看做是由Series组成的字典，并且共用一个索引。
创建数组
简单方式
data={‘name’:[‘google’,’baidu’,’yahho’],’marks’:[100,200,300],’price’:[1,2,3]}
res=DataFrame(data)print(res)”’结果(默认索引是0开始)
name marks price
0 google 100 1
1 baidu 200 2
2 yahho 300 3”’
补充，与Series结合方式
#与Series结合的方式
res=pd.DataFrame({‘one’:pd.Series([1,2,3],index=[‘a’,’b’,’c’]), ‘two’:pd.Series([1,2,3,4],index=[‘b’,’a’,’c’,’d’])})print(res)”’结果
one two
a 1.0 2
b 2.0 1
c 3.0 3
d NaN 4”’
数组属性、方法
1)index 获取索引
2)T转置
3)columns获取列索引
4)values获取值数组
5) describe()获取快速统计
6)sort_index(axis, …, ascending)按行或列索引排序
7)sort_values(by, axis, ascending)按值排序
data = {“name”: [‘google’, ‘baidu’, ‘yahoo’], “marks”: [100, 200, 300], “price”: [1, 2, 3]}
res=DataFrame(data)print(res)”’依此来进行下面查询方法的验证
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3”’
index获取索引
#index,查看索引
print(res.index) #RangeIndex(start=0, stop=3, step=1)
columns查看列索引
#columns，查看列索引
print(res.columns) #Index([‘name’, ‘marks’, ‘price’], dtype=’object’)
values获取数组值
#values，查看值数组
print(res.values)”’结果
[[‘google’ 100 1]
[‘baidu’ 200 2]
[‘yahoo’ 300 3]]”’
describe(),获取快速统计
#describe(),获取快速统计#print(res.describe())
”’marks price
count 3.0 3.0
mean 200.0 2.0
std 100.0 1.0
min 100.0 1.0
25% 150.0 1.5
50% 200.0 2.0
75% 250.0 2.5
max 300.0 3.0”’
sort_index(),按行或列索引排序
参数说明，axis=0/1ascending=True升序/降序默认是True
#axis=0，按照行索引排序
res=res.sort_index(axis=0)print(res)”’索引排序结果
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3”’
#axis=1，按照列索引排序
res=res.sort_index(axis=1,ascending=True)print(res)”’列索引排序结果
marks name price
0 100 google 1
1 200 baidu 2
2 300 yahoo 3”’
sort_values( by,axis,ascending ) 按值排序
#sort_values(by,axis,ascending) 按值排序
data = {“name”: [‘google’, ‘baidu’, ‘yahoo’], “marks”: [100, 200, 300], “price”: [1, 2, 3]}
res=DataFrame(data)
res=res.sort_values(by=[‘name’],axis=0) #这里的axis只能是0，每一列的数值就是根据每个数值的大小顺序上下浮动排序的，参照的就是逐行去对比print(res)”’按照值排序结果
name marks price
1 baidu 200 2
0 google 100 1
2 yahoo 300 3”’
手动指定索引值
#手动指定索引值
res=DataFrame(data,columns=[‘name’,’marks’,’price’,],index=[‘第一’,’第二’,’第三’])print(res)”’结果
name marks price
第一 google 100 1
第二 baidu 200 2
第三 yahho 300 3”’
取值(有行索引和列索引)
获取单列数据，例如获取name标签列数据
#获取单列#1.获取名字标签列
res=DataFrame(data,columns=[‘name’,’marks’,’price’,],index=[‘第一’,’第二’,’第三’])
res=res[‘name’]print(res)”’结果
第一 google
第二 baidu
第三 yahho
Name: name, dtype: object”’
获取price标签列数据
#2.获取价格标签列#res=res[‘price’]#print(res)
”’第一 1
第二 2
第三 3
Name: price, dtype: int64”’
获取双列数据
同时获取2个标签(注意：同时获取两个标签时要双中括号引起来)
#同时获取2个标签(注意：同时获取两个标签时要双中括号引起来)
res=res[[‘name’,’price’]]print(res)”’结果
name price
第一 google 1
第二 baidu 2
第三 yahho 3”’
获取数据中单个值
#先从单列里面取第一列，再从取出的列中取出第一个值
res=res[‘name’][0]print(res) #google
取前两行值
#先取前2行
res=res[0:2]print(res)”’name marks price
第一 google 100 1
第二 baidu 200 2”’
取前两行值后再从中取指定列
#先取前2行–再从中取指定列
res=res[0:2][[‘name’,’price’]]print(res)”’结果：注意，取多个标签时要双括号
name price
第一 google 1
第二 baidu 2”’
ix ，可以兼容下面loc、iloc用法，它可以根据行列标签又可以根据行列数，例如下面的(参数前：行索引 后：列索引)
importpandas as pd
data= pd.DataFrame({‘A’:[1,2,3],’B’:[4,5,6],’C’:[7,8,9]},index=[“a”,”b”,”c”])
data
A B C
a1 4 7b2 5 8c3 6 9：本文为博主原创文章，转载请附上博文链接！
比如要拿到5
方法1
data.ix[1,1]
data.ix[‘b’:’c’,’B’:’C’]
方法2
data.ix[1:3,1:3]
data.ix[‘b’:’c’,’B’:’C’]
loc，通过标签获取列
指定取某几个标签
#指定取某几个标签
res=DataFrame(data,columns=[‘name’,’marks’,’price’,],index=[‘第一’,’第二’,’第三’])
res=res.loc[:,[‘name’,’marks’]]print(res)”’name marks
第一 google 100
第二 baidu 200
第三 yahho 300”’
取指定范围内的标签
#取指定范围内的标签
res=res.loc[:,’name’:’price’]print(res)”’name marks price
第一 google 100 1
第二 baidu 200 2
第三 yahho 300 3”’
索引+标签取值
#索引+标签取值
data = {“name”: [‘google’, ‘baidu’, ‘yahoo’], “marks”: [100, 200, 300], “price”: [1, 2, 3]}
res=DataFrame(data)print(res)”’初始结果
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3”’
#搭配取值写法
res=res.loc[0,[‘name’]]print(res)”’结果
name google
Name: 0, dtype: object”’
根据索引、标签范围配合取值(注意，0:1包含了1)
#根据索引、标签范围配合取值(注意，0:1包含了1)
res=res.loc[0:1,[‘marks’,’price’]]print(res)”’结果
marks price
0 100 1
1 200 2”’
iloc，通过位置获取行数据
获取单行数据
data = {“name”: [‘google’, ‘baidu’, ‘yahoo’], “marks”: [100, 200, 300], “price”: [1, 2, 3]}
res=DataFrame(data)print(res)”’初始状态
name marks price
0 google 100 1
1 baidu 200 2
2 yahoo 300 3”’
#获第一行数据
res=res.iloc[0]print(res)”’结果
name google
marks 100
price 1
Name: 0, dtype: object”’
获取多行数据
#获取多行数据
data = {“name”: [‘google’, ‘baidu’, ‘yahoo’], “marks”: [100, 200, 300], “price”: [1, 2, 3]}
res=DataFrame(data)print(res.iloc[1]) #先取到第2行： 1 baidu 200 2
res=res.iloc[1,2] #res.iloc[1,2]再在得到的行上再根据索引取值
print(res) #200
获取行和列(根据范围取值，注意前提还用默认索引)
#取行和列(根据范围来取)
res=res.iloc[0:2,0:2]print(res)”’结果
name marks 1.先取前2行【0:2】即取0,1索引行
0 google 100 2.在1的基础上再取前2列【0,2】即取列索引为0,1
1 baidu 200”’
取2、3行，然后打印这两行所有列的数据
res=res.iloc[1:3,:]print(res)”’结果
name marks price
1 baidu 200 2
2 yahoo 300 3”’
取1、2行，然后单一显示它的第1、3列
#取第1、2行，然后打印显示它的第1、3列
res=res.iloc[[0,1],[0,2]]print(res)”’结果
name price
0 google 1
1 baidu 2”’