Pandas是在NumPy基础上建立的新程序库，提供了一种高效的DataFrame数据结构

1、Pandas对象类型

import numpy as np
import pandas as pd

1.1 Series对象

• Series可以理解为有名字属性的一维数组。
• 所以本质还是一维的向量，不过向量里的每个元素都有自己的名字/id

关于显式索引与隐式索引
(1) 隐式索引：对于一个列表/数组而言，隐式索引就是表征顺序位置的信息。第一个元素的隐式索引永远是0、第二个元素的隐式索引永远是1......
(2) 显式索引：对于Pandas里的Series对象的每个元素，除了自然就有的隐式索引信息，还有自己的名字id充当显示索引，可供方便调用对象子集。
(3)不要将Series对象想的太复杂，对应R语言，就是一个有名字的字符串~~

• Series的名字属性称之为index属性

（1）创建series对象

pd.Series(data, index = index),其中data与index可以是list/array，本身可以是多种数据类型，但各自内部要保持一致，且二者长度相同。

如果不设置index参数，则默认与隐式索引的值相同。此外还可以设置name=""的参数，增加Series对象的name属性。

（2）series对象取子集

• 按隐式索引取

  
  

• 按显式索引取
  按照显示索引的切片方法取子集时，为左闭右闭(起始均包括)，如下示例

  
  
• 当series对象的index也是整数类型时，就容易与隐式索引混淆，这里我们可以使用索引器
  .loc()：只按显式索引取；.iloc()：只按隐式索引取
  

1.2 DataFrame对象

• pandas的DataFrame对象就可以类比于R语言的data.frame对象(numpy的二维数组则可类比于R里的matrix对象)
• 从构成角度来看，DataFrame可视为由多个等长，且index属性相同的Series组成；每个Series视为一列~
• DataFrame的行名(column)和列名(index)可作为显示索引调用

（1）创建DataFrame对象

• pd.DataFrame({"col1" : s1, "col2" : s2, ...})
  

（2）DataFrame对象取子集

• 建议使用索引器的方法
  .loc：显式索引、.iloc：隐式索引
  

  

• 如果只是想取DataFrame对象的列，下面的操作更简单~

  
  

2、 Series与DataFrame的简单运算

• 由于Series与DataFrame有index(以及column)属性，所以它们之间的运算需要考虑这些属性配对~

2.1 Series运算

• 简单运算

  
  

2.2 Series间的运算

• 按照索引配对的元素进行计算，没有配对的，则返回NA值(可在使用numpy运算函数时设置fill_value参数以填充NA值)
  

DataFrame对象的简单运算以及DataFrame对象之间的运算与上面类似就不展开了

2.2 DataFrame与Series的运算

• 简单来说，就是DataFrame按行/列进行与Series对象的运算

  
  示例数据

• 对于python的内置运算符，默认按照DataFrame的每行(column属性)进行与目标Series(index属性)的配对计算，如果不匹配则返回NA值

  
  
• 对于numpy提供的运算函数，可通过设置axis参数交代是按照DataFrame的行/列进行计算
  

3、 关于NaN值，以及相关函数

• NaN(Not a Number)：表示缺失值，可能因各种原因而为收集到数据；pd

  
  
• 如上笔记，NaN值参与的任何运算返回的都将是NaN值。因此十分有必要对其进行下处理，pandas提供了如下四种方法
  isnull()：判断是否为NaN
  notnull：判断是否不是NaN
  dropna：去除数据里的缺失值
  fillna：对数据里的NaN值进行填充