学习pandas 笔记摘要 pandas

Posted 2020-10-05 Aric Zeng

本文来源于《利用python进行数据分析》中文版，大家有兴趣可以看原版，入门的东西得脚踏实地哈

1、pandas 数据结构介绍

首先熟悉它的两个主要数据结构，Series 和 DataFrame

Series 是一种类似于一维数组的对象，它由一组数据以及一组与之相关的数据标签组成。

obj = pd.Series([4, 7, -5, 3])

obj
Out[4]: 
0    4
1    7
2   -5
3    3
dtype: int64

Series字符串表现形成为：索引在左，值在右，可以通过Series的values和index属性获取其数组表示形式和索引对象

obj.values
Out[5]: array([ 4,  7, -5,  3], dtype=int64)
obj.index
Out[6]: RangeIndex(start=0, stop=4, step=1)

对各个数据点进行标记索引

obj2 = pd.Series([4, 7], index =[‘d‘, ‘b‘])

obj2
Out[8]: 
d    4
b    7
dtype: int64

Numpy数组运算会保留索引和值之间的链接

还可以将Series看成是一个定长的有序字典，因为它是索引值到数据值的一个映射。

如果数据被存入在一个python字典中，也可以直接通过这个字典来创建Series

sdata = {‘name1‘: ‘tom‘, ‘name2‘: ‘Jerry‘}

obj3 = pd.Series(sdata)

obj3
Out[11]: 
name1      tom
name2    Jerry
dtype: object

如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）

states = [‘name1‘, ‘name2‘, ‘name3‘]

obj4 = pd.Series(sdata, index = states)

obj4
Out[17]: 
name1      tom
name2    Jerry
name3      NaN
dtype: object
#注意找不到是直接变为NaN

pandas 的isnull 和 notnull 函数可用于检测缺失数据

对于许多应用而言， Series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据。

Series的索引可以通过赋值的方式就地修改

==========================================================================================

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同中的值类型（数值、字符串、布尔值等）。DataFrame即有行索引也有列索引，它可以被看做由Series

组成的字典（共用同一索引）。DataFrame中面向行和列的操作基本上是平衡的。其实DataFrame中的数据是以一个或多个二维块存放的，而不是列表、字典或别的一维数据结构。

（注意：虽然DataFrame是以二维结构保存数据的，但你仍然可以轻松地将其表示为更高维度的数据，层次 化索引的表格型结构，这是pandas中许多高级数据处理功能的关键要素）