pandas数据结构练习题（部分）

Posted 2020-10-13 Beeman_xia

更多函数查阅http://pandas.pydata.org/pandas-docs/stable/10min.html
import pandas as pd
#两种数据结构
from pandas import Series,DataFrame

#Series由一组数据和一组索引组成
# obj=Series([2,3,5,7,3,1])
# print(obj)

#建立Series的时候指定索引
# obj2=Series([1,2,3,4,5],index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
# # print(obj2)
# print(obj2[‘a‘])#指定索引输出
# print(obj2[[‘a‘,‘d‘]])#指定多个索引输出
# print(‘a‘ in obj2)#判断索引‘a‘是否在Series中，输出值为bool类型
# obj2.name=‘wolawola‘#设置name属性
# print(obj2.name)#输出name属性
# print(obj2.index.name)#输出索引的name属性

#字典数据类型创建Series
# data={‘a‘:1000,‘b‘:2000,‘c‘:3000,‘d‘:4000}
# s=Series(data)
# print(s)

#Series进行运算
# data={‘a‘:1000,‘b‘:2000,‘c‘:3000,‘d‘:4000}
# s=Series(data)
# print(s*2)

#关系映射,返回值是bool类型
# data={‘a‘:1000,‘b‘:2000,‘c‘:3000,‘d‘:4000}
# s=Series(data)
# print(‘a‘ in s)

#分别创建index和value创建Series
# dt=[1,2,3,4,5]
# id=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘,‘f‘]
# data=Series(dt,index=id)
# print(data)

#判断是否为空值
# data={‘a‘:1000,‘b‘:2000,‘c‘:3000,‘d‘:4000}
# s=Series(data)
# print(s.isnull)

#----------------------------------------------------
#DataFrame



#字典数据类型创建DataFrame
# data={‘state‘:[‘a‘,‘b‘,‘c‘,‘d‘],
#       ‘year‘:[1991,1992,1993,1994],
#       ‘pop‘:[6,7,8,9]}
# frame=DataFrame(data)
# frame=DataFrame(data,columns=[‘year‘,‘state‘,‘pop‘,‘age‘])#没有age，传入NaN值
# print(frame)
# # print(frame[‘year‘])#输出年份
# # print(frame.state)
# print(frame.columns)#输出列名
# frame[‘age‘]=np.arange(4)#给age属性增加值
# print(frame)

#嵌套字典:外层的键作为列，内层的键作为行索引
# pop={‘a‘:{1:1000,2:2000},
#      ‘b‘:{1:5000,3:3000,4:4000},
#      }
# frame=DataFrame(pop)
# print(frame)
# print(frame.T)#转置

#索引对象是不可以修改的，以下报错immutable
# obj=Series(range(3),index=[‘a‘,‘b‘,‘c‘])
# obj.index[1]=‘d‘
# print(obj.index)

#reindex:重新索引,若值缺失则引入缺失值
# obj=Series([23,4.5,-8,100],index=[‘b‘,‘c‘,‘a‘,‘d‘])
# print(obj)
# reind=obj.reindex([‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
# print(reind)

#向前填充索引，从index=0开始，遇到index=3时将值变为4.5
#range()中的值是填充的范围，即索引的取值区间
# obj=Series([23,4.5,-8],index=[0,3,5])
# reind=obj.reindex(range(9),method=‘ffill‘)#ffill或pad：向前填充，bfill或backfill向后填充
# print(reind)

#修改行索引，列，或者两个都修改，则会重新索引
# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘],columns=[‘no.1‘,‘no.2‘,‘no.3‘])
# print(frame)
# fr=frame.reindex([‘a‘,‘b‘,‘c‘,‘d‘])
# print(fr)

#drop：丢弃制定轴上的项
# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘],columns=[‘no.1‘,‘no.2‘,‘no.3‘])
# new_frame=frame.drop(‘a‘)
# new_frame2=frame.drop(‘no.1‘,axis=1)
# print(new_frame)
# print(new_frame2)

#DataFrame和bool一起使用
# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘],columns=[‘no.1‘,‘no.2‘,‘no.3‘])
# print(frame>3)

#ix在DataFrame中
# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘],columns=[‘no.1‘,‘no.2‘,‘no.3‘])
# f2=frame.ix[‘a‘,‘no.1‘]#两个参数，第一个是行，第二个是列
# print(frame)
# print(f2)
#数据对齐# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘])# frame2=DataFrame(np.arange(16).reshape([4,4]),index=[‘a‘,‘b‘,‘c‘,‘d‘])# print(frame+frame2)#重新索引frame，用frame2的列，所以会有空值，空值填0# frame=DataFrame(np.arange(9).reshape([3,3]),index=[‘a‘,‘b‘,‘c‘])# frame2=DataFrame(np.arange(16).reshape([4,4]),index=[‘a‘,‘b‘,‘c‘,‘d‘])# f=frame.reindex(columns=frame2.columns,fill_value=0)# print(f)#索引排序# frame=DataFrame(np.arange(8).reshape([2,4]),index=[‘three‘,‘one‘],columns=[‘a‘,‘d‘,‘c‘,‘b‘])# print(frame)# f1=frame.sort_index()# print(f1)# f2=frame.sort_index(axis=1)# print(f2)#Seriex ranking# s=Series([3,6,1,5,-1])# print(s.rank())#返回名次，从小到大# print(s.rank(ascending=False))#降序#DataFormat ranking# frame=DataFrame({‘b‘:[2.5,1.6,9.0],‘a‘:[4,7,5.7],‘c‘:[2,9,7]})# print(frame)# f1=frame.rank(axis=1)# print(f1)#DataFrame和Series之间的运算:每行依次相减# arr=np.arange(12).reshape([3,4])# rs=arr-arr[0]# print(rs)#DataFrame和Series之间算术运算会将Series的索引匹配到DataFrame的列，然后沿着行一直向下广播#describe# obj=Series([‘a‘,‘b‘,‘c‘,‘d‘])# print(obj)# print(obj.describe())#切分行和列# arr=np.arange(12).reshape([3,4])# df=DataFrame(arr,index=[‘a‘,‘b‘,‘c‘],columns=[‘no.1‘,‘no.2‘,‘no.3‘,‘no.4‘])# print(df)# print(df.iloc[1:3,2:4])#切分[1:3)行，[2:4)列