3.0:pandas【基础操作】

pandas 是基于numpy构件的强大的数据处理模块，其核心的数据结构有两个：Series 与 DataFrame

一：Series

　　Series 是一种类似于表的东西，拥有索引（index）与其对应的值（value）

　　1）创建Series:

　　　　Sereies方法接收两个参数，第一个与value相关，第二个用来指定索引。而创建的方式有两种：

　　　　一种为用两个list作为参数分别代表value和index的值[index参数不写则默认0开始自增长]

　　　　另一种为dict作为第一参数，若不写第二参数，则其key变成index，value即是value，若有第二参数，则用第二参数元素作为index.[index对应不上的则被抛弃]

　　　　import pandas as pd

 1 obj_1 = pd.Series([1,2,3,4])　　　　#若不指定索引则默认为从零开始的自增长
 2
 3 　　　　--->obj_1
 4 　　　　　　0 1
 5 　　　　　　1 2
 6 　　　　　　2 3
 7 　　　　　　3 4
 8 　　　　　　dtype: int64
 9
10 　　　　obj_2 = pd.Series([1,2,3,4], index=[‘a‘,‘b‘,‘c‘,‘d‘])　　#指定索引
11
12 　　　　obj_2
13 　　　　--->a 1
14 　　　　　　b 2
15 　　　　　　c 3
16 　　　　　　d 4
17 　　　　　　dtype: int64

创建方法一

 1 　　　　sdata = {‘Ohio‘:3500,‘Texas‘:7100,‘Oregon‘:1600,‘Utah‘:500}
 2
 3 　　　　obj_3 = pd.Series(sdata)
 4
 5 　　　　obj_3
 6 　　　　--->Ohio 3500
 7 　　　　　　Oregon 1600
 8 　　　　　　Texas 7100
 9 　　　　　　Utah 500
10 　　　　　　dtype: int64
11
12 　　　　
13
14 　　　　states = [‘California‘,‘Ohio‘,‘Texas‘]
15
16 　　　　obj_4 = pd.Series(sdata,index=states)
17
18 　　　　obj_4
19 　　　　--->California NaN
20 　　　　　　Ohio 3500
21 　　　　　　Texas 7100                    #由于states列表并没有Oregen与Utah，故无法对应起来
22 　　　　　　dtype: float64

创建方法二

　　2) 索引

　　　　obj_1.values　　　　　#调出所有元素值
　　　　--->array([1, 2, 3, 4], dtype=int64)

　　　　obj_1.index　　　　　#调出索引值
　　　　--->Int64Index([0, 1, 2, 3], dtype=‘int64‘)

　　　　#改变index值

　　　　obj_4.index = [‘bob‘,‘steve‘,‘jeff‘]　　　　#注：若要改变index，数量必须与原本的数量相同，不能少也不能多

　　　　obj_4
　　
　　　　　　bob NaN
　　　　　　steve 3500
　　　　　　jeff 7100
　　　　　　dtype: float64

　　　　obj_2[‘a‘]　　　　　　#利用索引进行取值
　　　　--->1

　　　　obj_2[[‘c‘,‘b‘,‘a‘]]        #可以用索引一次取多个值，并且按其给定的顺序输出
　　　　--->c 3
　　　　　　b 2
　　　　　　a 1
　　　　　　dtype: int64

　　　　‘b‘ in obj_2　　　　　　#检验索引是否存在
　　　　--->True

二：DataFrame

　　一种表格型的数据结构，每列可以是不同的数值类型，且它既有行索引，还有列索引，并且他们是平衡的

　　1）创建DataFrame

　　　　DataFram(data[,columns = ... , index = ...])

　　　　注：若data为字典型数据，则keys自动变成columns，若data仅是列表类，columns与index都是默认0开始自增长的数

 1 data=[[‘ohio‘,‘nevada‘,‘nevada‘],[2000,1000,1000],[1.5,1.7,3.6]]
 2
 3 　　　　frame_1 = pd.DataFrame(data)
 4
 5 　　　　frame_1
 6 　　　　0 1 2
 7 　　　　　　0 ohio nevada nevada
 8 　　　　　　1 2000 1000 1000
 9 　　　　　　2 1.5 1.7 3.6
10
11 　　　　frame_2 = pd.DataFrame(data,columns=[‘first‘,‘second‘,‘third‘])
12
13 　　　　frame_2
14 　　　　　first    second   third                   #注意此处结果与使用字典时比较，这里一个list定义了一行，而字典的是一列
15 　　　　0 ohio   nevada  nevada
16 　　　　1 2000 1000    1000
17 　　　　2 1.5    1.7       3.6　　　　
18
19 　　　　frame_2 = pd.DataFrame(data,columns=[‘first‘,‘second‘,‘third‘],index=[‘one‘,‘two‘,‘three‘])
20
21 　　　　frame_2
22 　　　　　　   first     second    third
23 　　　　one   ohio    nevada   nevada
24 　　　　two   2000  1000      1000
25 　　　　three 1.5     1.7         3.6

创建方法一

 1             data2 = {‘states‘:[‘ohio‘,‘nevada‘,‘nevada‘],‘year‘:[2000,1000,1000],‘pop‘:[1.5,1.7,3.6]}
 2
 3 　　　　frame_4=pd.DataFrame(data2)
 4
 5 　　　　frame_4
 6 　　　　　　pop states year
 7 　　　　0 1.5 ohio 2000
 8 　　　　1 1.7 nevada 1000
 9 　　　　2 3.6 nevada 1000
10
11 　　　　frame_5=pd.DataFrame(data2,index=[‘one‘,‘two‘,‘three‘])
12
13 　　　　frame_5
14 　　　　　　pop states year
15 　　　　one 1.5 ohio 2000
16 　　　　two 1.7 nevada 1000
17 　　　　three 3.6 nevada 1000
18
19 　　　　        

创建方法二

　　2）索引

　　　　同Series一样可以通过values与index属性查看这两个值

 1 In [62]: frame_4
 2 Out[62]:
 3    pop     states      year
 4 0  1.2       ohio      2000
 5 1  2.1  new state  new year
 6 2  3.6     nevada      1000
 7
 8 In [63]: frame_4.index
 9 Out[63]: Int64Index([0, 1, 2], dtype=‘int64‘)
10
11 In [64]: frame_4.index.name
12
13 In [65]: frame_4.index
14 Out[65]: Int64Index([0, 1, 2], dtype=‘int64‘)
15
16 In [66]: frame_4.values
17 Out[66]:
18 array([[1.2, ‘ohio‘, 2000L],
19        [2.1, ‘new state‘, ‘new year‘],
20        [3.6, ‘nevada‘, 1000L]], dtype=object)

index/values属性

　　　　通过对column的索引可以获取以Series的形式返回一列

 1 In [38]: frame_4
 2 Out[38]:
 3    pop  states  year
 4 0  1.5    ohio  2000
 5 1  1.7  nevada  1000
 6 2  3.6  nevada  1000
 7
 8 In [39]: frame_4[‘pop‘]
 9 Out[39]:
10 0    1.5
11 1    1.7
12 2    3.6
13 Name: pop, dtype: float64

　　　　通过索引字段ix可以以Series形式返回一行的内容

1 In [40]: frame_4.ix[1]
2 Out[40]:
3 pop          1.7
4 states    nevada
5 year        1000
6 Name: 1, dtype: object

　　3）赋值

　　　　列赋值

1 In [41]: frame_4[‘pop‘]=2.0
2
3 In [42]: frame_4
4 Out[42]:
5    pop  states  year
6 0    2    ohio  2000
7 1    2  nevada  1000
8 2    2  nevada  1000

　　　　行赋值

1 In [44]: frame_4
2 Out[44]:
3      pop  states   year
4 0      2    ohio   2000
5 1  hello   hello  hello
6 2      2  nevada   1000

　　　　通过Series进行赋值

 1 In [45]: val = pd.Series([1.2,2.0,3.6],index=[0,1,2])
 2
 3 In [46]: frame_4[‘pop‘]=val
 4
 5 In [47]: frame_4
 6 Out[47]:
 7    pop  states   year
 8 0  1.2    ohio   2000
 9 1  2.0   hello  hello
10 2  3.6  nevada   1000

 1 In [48]: val_2 = pd.Series([2.1,‘new state‘,‘new year‘],index=[‘pop‘,‘states‘,‘y
 2 ear‘])
 3 In [49]: frame_4.ix[1]=val_2
 4
 5 In [50]: frame_4
 6 Out[50]:
 7    pop     states      year
 8 0  1.2       ohio      2000
 9 1  2.1  new state  new year
10 2  3.6     nevada      1000

　　　　增与删

 1 In [52]: frame_4[‘stars‘]=[‘one‘,‘two‘,‘five‘]     #没有则直接新建
 2
 3 In [53]: frame_4
 4 Out[53]:
 5    pop     states      year stars
 6 0  1.2       ohio      2000   one
 7 1  2.1  new state  new year   two
 8 2  3.6     nevada      1000  five
 9
10 In [54]: del frame_4[‘stars‘]
11
12 In [55]: frame_4
13 Out[55]:
14    pop     states      year
15 0  1.2       ohio      2000
16 1  2.1  new state  new year
17 2  3.6     nevada      1000

　　4）转置：.T          [只是返回一个转置的副本，本身并不转置]

 1 In [56]: frame_4
 2 Out[56]:
 3    pop     states      year
 4 0  1.2       ohio      2000
 5 1  2.1  new state  new year
 6 2  3.6     nevada      1000
 7
 8 In [57]: frame_4.T
 9 Out[57]:
10            0          1       2
11 pop      1.2        2.1     3.6
12 states  ohio  new state  nevada
13 year    2000   new year    1000

.T