pandas实战操作1——series和DataFrame

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

Series和DataFrame.png

Series创建

• 基本知识
  • 类似于一维数组的对象
  • 由一组数据（各种Numpy数据类型）和数据标签（索引）组成
  • 左边索引，右边数值；
• 不指定索引的话，自动从0开始；
• 索引也可以自定义：index=['a', 'b', 'c', 'd']
• 通过Python的字典类型创建

image.png

Series中值的获取

• 通过索引的方式获取
  • 使用Series自己创建时候的索引
  • 使用默认的数值索引
  • 使用布尔型数组、标量乘法、应用函数等作为索引

image.png

索引操作

索引缺失值处理

• 缺失值用NaN表示
• isnull和notnull检测缺失值

image.png

索引多样性

image.png image.png

Series对象的name属性

• S数据本身和索引都有name属性
• 能够直接指定name属性的值

image.png

索引就地修改

image.png

DataFrame

• 表格型数据结构，含有一组有序的列
• 既有行索引也有列索引

DF创建

• 使用pd.DataFrame(data)
• 直接传入字典型数据
• 通过columns参数指定各个属性的顺序

image.png image.png

DF操作1

• 1、查看DF中有哪些列属性columns和索引index
• 2、查看DF中的所有数据values，通过属性的方式
• 3、查看DF中的部分数据
  • 查看列数据
    • 通过字典标记或者属性（.点）的方式
    • 获取到的其实就是个S型数据
    • frame[column] # 更通用
    • frame.column
  • 查看行数据
    • loc
    • iloc
• 4、通过赋值修改某列的数据
  • 传入具体数值数据
  • 传入numpy生成的数据
  • 传入S型数据，长度需要和D型数据一致，否则空位上将被填上缺失值
  • 赋值新的列：如果操作的列不存在，则会自动创建

image.png image.png image.png

DF操作2（重点）

• 1、 创建不存在的列：只能通过字典标记的形式
• 2、创建布尔型数据
  • 如何创建一列布尔值(T/F)的数据
  • 如何创建一个新的属性数据
• 3、删除数据del
• 4、嵌套字典形式创建DF数据
  • 外层作为列索引
  • 内层作为行索引
• 5、DF转置T
• 6、DF中传入S型数据
• 7、设置DF的columns和index属性的name属性

image.png image.png image.png