pandasⅠ- 数据结构

一、Series的定义

Series是一种类似于一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签

二、Series的创建

# 导包
  from pandas import Serice,DataFrame
# 由列表或数组创建(默认索引为0到N-1的整数型索引)
  s = Series(index=list('abcd'),data=[1,2,3,4])  
# 由字典创建
  s = Series({'a': 1, 'b': 2, 'c': 3, 'd':4})
# 可以设置索引
  s.index = list('abcd')

三、Series的索引和切片

s = Series(index=['张三','李四','王五'],data=np.random.randint(0,150)*3)
# 显式索引
  - s['张三'] # 282
  - s.loc['张三'] # 282
  - s.loc[['张三']] # 张三  282
# 隐式索引
  - s.iloc[0] # 282
# 切片
  - s['张三':'李四'] # 张三  282  李四  282
  - s.loc['张三':'李四'] # 张三  282  李四  282
  - s.iloc[0:2] # 张三  282  李四  282

四、Series的运算

1、适用于numpy的数组运算也适用于Series
2、Series之间的运算
  - 在运算中自动对齐不同索引的数据
  - 如果索引不对应，则补NaN(series没有广播机制!!!)
注意：要想保留所有的index，则需要使用.add()函数

五、DataFrame的定义

DataFrame是一个【表格型】的数据结构，可以看做是【由Series组成的字典】（共用同一个索引）。
DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。
DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values（numpy的二维数组）

六、DataFrame的创建

index = ['张三','李四','王五','赵六']
columns = ['语文','数学','英语','理综']
data = np.random.randint(0,150,size=(4,4))
df = DataFrame(index=index,columns=columns,data=data)
df

七、DataFrame的索引和切片

# 行索引
  - df.loc['张三']
  - df.loc['张三']['数学']
# 列索引
  - df['数学']
  - df['数学']['张三']
# 隐式索引
  - df.iloc[0]
  - df.iloc[0][1]
# 切片
  - 行切片：df['张三':'李四']
  - 列没有切片：df[['语文','数学']]
  - 隐式索引切片：df.iloc[0:2]

八、DataFrame的运算

1、DataFrame之间的运算

同Series一样：

• 在运算中自动对齐不同索引的数据
• 如果索引不对应，则补NaN
• 要想在运算过程中，保留原有的数据，则需要使用操作函数来实现

下面是Python 操作符与pandas操作函数的对应表：

Python Operator	Pandas Method(s)
+	add()
-	sub(), subtract()
*	mul(), multiply()
/	truediv(), div(), divide()
//	floordiv()
%	mod()
**	pow()

2、Series与DataFrame之间的运算

• 使用Python操作符：以行为单位操作（参数必须是行），对所有行都有效。（类似于numpy中二维数组与一维数组的运算，但可能出现NaN）

• 使用pandas操作函数：
  axis=0：以列为单位操作（参数必须是列），对所有列都有效。
  axis=1：以行为单位操作（参数必须是行），对所有行都有效。

九、DataFrame处理丢失数据

有两种丢失数据：
- None：None是python自带的，其类型为python object。因此，None不能参与到任何计算中。
- np.nan：np.nan是浮点型类型，能参与到计算中。但计算的结果总是为NaN。但是：可以使用
          np.nan*()函数来计算nan，此时视nan为0。
1) pandas中None和np.nan都视为np.nan
2) pandas中None和np.nan的操作：
    - isnull()：是null的显示True
    - notnull()：不是null的显示True
    - dropna(how='any',axis=0)：过滤丢失数据(axis=0,对行操作，axis=1，对列操作。how='any'，任意一个符合，就作用整行或整列，how='all'，整行或整列符合才作用。)
    - fillna(methods=None,axis=None)：(前向/后向)填充丢失数据(methods='ffill/bfill',axis='0/1')，axis=0，看列的前后向，axis=1，看行的前后向。