Python学习笔记 pandas

1. 引子

周末在家没事做，翻墙逛Medium（国外版简书）的时候，看到有篇文章介绍Python能做什么 ，该文的内容以前在知乎上也看到有人翻译过，感兴趣的可以在知乎上搜一下。另外，作者文中还介绍它录的Python视频，链接为：https://youtu.be/a9UrKTVEeZA。视频内容主要是关于Anaconda3和Jupyter NoteBook等python数据可视化环境的搭建。照着视频搭建好环境后，正好看会《利用Python进行数据分析》一书学习一番。

1. 数据结构

在使用pandas之前，先熟悉一下它的两个主要数据结构：Series和DataFrame。

1.1 Series

首先引入pandas和Series

import pandas as pd
from pandas import Series

Series是一种类似于一维数组的对象，它由一组数据和对应的索引组成，示例如下：

obj = Series([4,7,-5,3]) // 定义一个obj对象

如果输出obj对象，打印如下：

Out[4]:
0    4
1    7
2   -5
3    3

左边打印出索引，右边是数值。

1.1.1 values和index属性

另外还可以通过Series的values和index属性获取其数组表示形式和索引对象。

输入：

obj.values

输出：

array([ 4,  7, -5,  3], dtype=int64)

输入：

obj.index

输出：

RangeIndex(start=0, stop=4, step=1)

1.1.2 指定索引

• 如果不想使用默认从0开始递增的索引，而是用其他索引，如a,b,c,d之类的。

  输入：

  obj2= Series([4,7,-5,3],index=['d','b','a','c'])
  

  obj2输出如下：

  d    4
  b    7
  a   -5
  c    3
  

• 指定了索引后，就可以通过索引获取指定的元素。

  如输入：

  obj2['a']
  

  输出-5。

• Series对象还支持和Numpy一样的数组运算。

  输入：

  obj2 *2
  

  输出：

  d     8
  b    14
  a   -10
  c     6
  

• 还可以将Series看成是一个定长的有序词典。

  判断b是否是Series中的一个索引：

  'b' in obj2
  

  输出：True

也可以通过通过字典来创建Series。

输入：

data = {'a':1,'b':2,'c':3}
obj3 = Series(data)

输出obj3为：

a    1
b    2
c    3

• 还可以同时指定字典和索引来创建Series

  输入：

  data = {'a':1,'b':2,'c':3}
  states = ['b','c','d','a']
  obj4 = Series(data,index=states)
  

  这里注意新指定的索引顺序和字典中指定的索引顺序不同，最终结果以index属性中指定的索引顺序为准，输出obj4如下：

  b    2.0
  c    3.0
  d    NaN
  a    1.0
  

  这里看到，由于索引d本身并不存在于字典中，所以这里对应值为NaN。

  pandas中的isnull和notnull函数可用于检测缺失数据。

  如输入：

  pd.isnull(obj4)
  

  输出：

  b    False
  c    False
  d     True
  a    False
  

• Series自动对齐

  Series索引提供了相同索引的自动对齐功能。

  如输入：

  obj5= Series([4,7,-5,3],index=['d','b','a','c'])
  obj6= Series([2,3,1,2],index=['d','b','a','c'])
  obj7 = obj5 + obj6
  

  最终输出obj7会将相同索引的元素相加得到新的数组：

  d     6
  b    10
  a    -4
  c     5
  

• Series对象和索引的name属性

  设置Series对象和索引的name属性：

  obj7.name='population'
  obj7.index.name='state'
  

  输出obj7：

  state
  d     6
  b    10
  a    -4
  c     5
  Name: population, dtype: int64
  

1.2 DataFrame

前面说Series是一种类似于一维数组的对象，那么DataFrame则是类似于二维数组的对象。