pandas基础和应用（1）

Pandas 是一个常用于数据分析的python第三方库（pandas在numpy的基础上，优化了数据的存储，读取，分割和转换）。pandas通过带有标签的列和索引，使我们可以以一种所有人都能理解的方式来处理数据。它可以毫不费力地从诸如 csv 类型的文件中导入数据。我们可以用它快速地对数据进行复杂的转换和过滤等操作。

pandas提供了三种数据对象，分别是Series,DataFrame和Panel。Series用于保存一维数据，DataFrame用于保存二维的数据，Panel用于保存三维类或者可变维度的数据。
系列(Series)是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。轴标签统称为索引。

pandas.Series

series 是一种一维的数据类型，其中的每个元素都有各自的标签。，你可以把它当作一个由带标签的元素组成的 numpy 数组。标签可以是数字或者字符。

# -*- coding: utf-8 -*-
"""
Created on Sat Oct 20 17:48:24 2018

@author: Administrator
"""

% reset -f
% clear
# In[*]
import pandas as pd
import numpy as np

g = np.array([12.2,11.2,2,2.4,5.8,7.8])

g = np.array([12.2,11.2,2,2.4,5.8])
gdp = pd.Series(g,index=['a','b','c','d','e'])

gdp
Out[5]: 
a    12.2
b    11.2
c     2.0
d     2.4
e     5.8
dtype: float64

完整参数:pd.Series(data = None, index=None, dtype=None, name=None,copy=False,fastpath=False0

指定索引：a = Series([1,2,3],index=['a','b','c']) 可以通过索引访问a['b']
判断某个索引是否存在：'b' in a。index的值为‘标签索引’而0,1,2等为数字索引

gdp[2]
Out[6]: 2.0
gdp['a']
Out[7]: 12.2

通过字典建立Series

dict = {'china':10,'america':30,'indian':20}
p = pd.Series(dict)
p
Out[11]: 
china      10
america    30
indian     20
dtype: int64

同样你可以设置index顺序

dict = {'china':10,'america':30,'indian':20}
p = pd.Series(dict,index=['america','indian','china'])
p
Out[12]: 
america    30
indian     20
china      10
dtype: int64

判断哪个索引值缺失：

dict = {'china':10,'america':30,'indian':20}
state = ['china','america','test']
p = pd.Series(dict,state)
p

print(p.isnull())

在算术运算中它会自动对齐不同索引的数据

a = pd.Series([10,20],['china','test'])
b = pd.Series([10,20],['test','china'])
print(a+b)
china    30
test     30
dtype: int64

指定Series对象的name和index的name属性

a = pd.Series([10,20],['china','test'])
a.index.name = 'state'
a.name = 'number'
print(a)
state
china    10
test     20
Name: number, dtype: int64