Pandas库的引用

Pandas是Python第三方库，提供高性能易用数据类型和分析工具
Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用

import pandas as pd

Pandas库的理解

两个数据类型：Series, DataFrame

基于上述数据类型的各类操作：基本操作、运算操作、特征类操作、关联类操作

Numpy	Pandas
基础数据类型	扩展数据类型
关注数据的结构表达	关注数据的应用表达
维度：数据间关系	数据与索引间关系

Pandas库的Series类型

Series类型由一组数据及与之相关的数据索引组成

Series类型可以由如下类型创建：

• Python列表，index与列表元素个数一致
• 标量值，index表达Series类型的尺寸
• Python字典，键值对中的“键”是索引，index从字典中进行选择操作
• ndarray，索引和数据都可以通过ndarray类型创建
• 其他函数，range()函数等

举例：

s = pd.Series( [9, 8, 7, 6] )#自动索引
s = pd.Series( [9, 8, 7, 6], index=['a', 'b', 'c', 'd'] )#自定义索引
s = pd.Series(25, index=['a', 'b', 'c', 'd'] )#从标量值创建不能省略index
s = pd.Series( {'a':9, 'b':8, 'c':7} )
s = pd.Series( {'a':9, 'b':8, 'c':7}, index=['c', 'a', 'b', 'd'] )
s = pd.Series(np.arange(5))
s = pd.Series(np.arange(5), index = np.arange(9, 4, 1))

Series类型的基本操作

Series类型包括index和values两部分，.index 获得索引， .values 获得数据。自动索引和自定义索引并存，但不能混用。

Series类型的操作类似ndarray类型

• 索引方法相同，采用[]
• NumPy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

Series类型的操作类似Python字典类型

• 通过自定义索引访问
• 保留字in操作
• 使用.get()方法

Series类型的对齐操作

Series + Series

Series类型在运算中会自动对齐不同索引的数据。没有相同索引处是NaN.

Series类型的name属性

Series对象和索引都可以有一个名字，存储在属性.name中。
.name 和 .index.name

Pandas库的DataFrame类型

DataFrame类型由共用相同索引的一组列组成

DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据，但可以表达多维数据

DataFrame类型可以由如下类型创建：

• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

实例：

d = pd.DataFrame(np.arange(10).reshape(2, 5))#两行五列
dt = { 'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
     {'two' : pd.Series([9, 8, 7, 6], index=['a', 'b', 'c', 'd'])}
d = pd.DataFrame(dt)#四行两列
dl = {'one' : [1, 2, 3, 4], 'two' : [9, 8, 7, 6]}
d = pd.DataFrame(dl, index = ['a', 'b', 'c', 'd'])

列索引：d[]
行索引：d.ix[]
行列索引：d[column][index]

Pandas库的数据类型操作

重新索引

.reindex()能够改变或重排Series和DataFrame索引

d = d.reindex(index=[], column=[])

.reindex(index=None, column=None, ...)的参数：

参数	说明
index, columns	新的行列自定义索引
fill_value	重新索引中，用于填充缺失位置的值
method	填充方法, ffill当前值向前填充，bfill向后填充
limit	最大填充量
copy	默认True，生成新的对象，False时，新旧相等不复制

索引类型

Series和DataFrame的索引是Index类型
Index对象是不可修改类型

索引类型的常用方法：

方法	说明
.append(idx)	连接另一个Index对象，产生新的Index对象
.diff(idx)	计算差集，产生新的Index对象
.intersection(idx)	计算交集
.union(idx)	计算并集
.delete(loc)	删除loc位置处的元素
.insert(loc,e)	在loc位置增加一个元素e

删除指定索引对象：

.drop(loc, axis=0) 删除Series和DataFrame指定行或列索引
默认删除行索引，如要删除列索引，需指定axis=1

Pandas库的数据类型运算

算术运算法则

算术运算根据行列索引，补齐后运算，运算默认产生浮点数。
补齐时缺项填充NaN (空值)。
二维和一维、一维和零维间为广播运算。一维Series默认在轴1参与运算，使用运算方法可以令一维Series参与轴0运算。
采用+ ‐ * /符号进行的二元运算产生新的对象。

方法形式的运算：

方法	说明
.add(d, **argws)	类型间加法运算，可选参数
.sub(d, **argws)	类型间减法运算，可选参数
.mul(d, **argws)	类型间乘法运算，可选参数
.div(d, **argws)	类型间除法运算，可选参数

比较运算法则

比较运算只能比较相同索引的元素，不进行补齐。
同维度运算，尺寸一致。
二维和一维、一维和零维间为广播运算，默认在1轴。
采用> < >= <= == !=等符号进行的二元运算产生布尔对象。

Reference:
中国大学MOOC北京理工大学Python数据分析与展示课程嵩天老师课件
课程主页