Pandas数据结构介绍

Series

• 声明对象
  Series是带索引功能的一维数组，其对象包含value和index基本属性
  s=pd.Series([1,2,3],index=['a','b','c'])
  s.index #['a','b','c']
  s.value #[1,2,3]

• 取元素
  s[索引]　# s[['b','c']]

• 用Numpy数组或其他Series对象定义新的Series对象
  a=np.arrat([1,2,3])
  s1=pd.Series(a)
  s2=pd.Series(s)
  这样生成的新对象并不是副本而是原对象的引用

• 筛选元素
  因为pandas是以Numpy为基础的，所以可以直接用Numpy中的一些办法
  s[s>5]

• 运算
  运算的原理也与numpy相通
  np.log(s)

• Series对象的组成元素
  unique()函数用来取出对象中不重复出现的元素
  vlaues_count()函数用来统计每个值的个数
  isin([值])返回是否在其中，布尔型

• NaN处理
  s[s.isnull()]输出空值
  s[s.notnull()]输出非空值

• Series与字典
  mydict={'red':1,'green':2,'yellow':3}
  s5=pd.Series(mydict)
  字典的索引自动变为Series的索引

• Series对象之间的运算
  s1+s2只会进行索引值相同部分的相加生成新的Series对象，两者独有的索引值会也会存在，运算后对应的值为NaN

DataFrame

DataFrame对象就是一张强行带上索引列的二维表，出去index的那一列其余的列名保存在column属性中。

定义对象

• 传入字典
  dict={'color':['red','green','yellow'],'name':['ball','pen','pencil'],'price':[1,1,2,1,2]}
  frame=pd.DataFrame(dict)
  这样index列会默认设置为0,1,2,3．。。
  frame=pd.DataFrame(dict,index=['','',''])等
• DataFrame(数据，index,column)
  frame=pd.DataFram(np.random.random(16).reshape((4,4)),index=[],columns=[])

选取元素

按列选取：frame['color']与fram.color的效果是一样的，返回的是Series对象
按行选取：frame.ix[行的索引值] frame.ix[2]
也可以：
frame[0:1]选取第0行
frame[1:3]选取第１，２行
最后，如果获取存储在DataFrame中的一个元素，需要依次指定元素所在的列的名称、行的索引值或标签 frame['name'][3]

赋值

按照取值的逻辑自然就可以赋值、增加的新的行和列
fram['new']=[...] 插入某列
fram['new'][0]=
fram['new']=Series
疑问？DataFrame插入某行怎么办？

元素所属关系

frame[frame.isin([1.0,'pen'])]

转置

DataFrame的转置很简单直接　Fram.T即可实现

删除一列

del fram['new']

筛选

frame[frame<12] 符合条件的会被留下且位置不变。不符合条件的变成NaN

嵌套字典生成DataFrame

mydict={'red':['l1':1,'l2':2,'l3':3],'yellow':['l1'：４，'l2':5,'l3':6],'green':['l1':7,'l2':8,'l3':9]}
第一层嵌套是列，里面重复嵌套行。

删除某行某列

frame.drop([index1,index2...]) 删除行
frame.drip([column1,column2....],axis=1) 删除列

数据结构之间的运算

就是Series和DataFrame之间的运算
除了用运算符，以下函数也是可以的

• add()
• sub()
• div()
• mul()
  比如　frame1+frame2与　frame1.add(frame2)的效果是一样的
  Series和DataFrame之间的运算就有些复杂了，简而言之，两者运算靠共同的索引，不同的索引会造成打量的NaN

可以看到Frame中的列索引与Ser想同的部分都做了相减。如果索引值没有想同的就会
产生NaN

函数与映射

按行或列执行操作的函数

f=lambda x: x.max()-x.min()
frame.apply(f)按列执行
frame.apply(f,axis=1) 按行执行

统计函数

frame.sum() fram.mean() 等依然可以按照列进行相关统计量的计算
frame.describe() 将会列出所有描述性统计量

排序

sort_index() 可以对Series和DataFrame的索引进行排序
sort_index(axis=1) 可以对DataFrame的横轴进行排序
值排序
ser.order() 默认升序　改变：ser.order(ascending=False)
对frame 需要制定按照哪一列：
frame.sort_index(by='price')

NaN的处理

过滤NaN

• ser.dropna() 但fram.dropna()会删除NaN存在的整个行和列
  fram.dropna(how='all')删除行或列整个都是NaN的情况
• 也可以索引过滤: ser[ser.notnull()]

为NaN填充其他值

• fram.fillna(值)
• 不同的列填充不同：fram.fillna({'price':1,'color':null,'name':null})

最后说一下，Series是可以层级的形式出现的。Series和DataFrame之间可以用stack(), unstack()函数互相转换