python数据分析(五)--Pandas

Series类型：由一组数据与之相对应的索引组成
使用：(python列表创建)
自动索引：d=pd.Series(range(20))
自定义索引：b=pd.Series([9,8,7,6],index=['a','b','c','d'])
自动索引和自定义索引并存，但不能混用
创建Series

• 标量值：s=pd.Series(25,index=['a','b','c'])
• 字典类型：d=pd.Series({'a': 9,'b': 8})
• ndarray：n=pd.Series(np.arange(5))或者n=pd.Series(np.arange(5)，index=np.arange(9,4,1))
  基本操作b是一个Series类型
• b.index得到索引值
• b.values得到数据值
• np.exp(b) 只对b的value部分计算
• 对齐操作：Series+Series
  例如：a=pd.Series([1,2,3],['c','d','e'])和b=pd.Series([9,8,7,6],['a','b','c','d'])-->a+b结果中存在的相加，不存在的直接为NaN
  修改后立即生效

DataFrame类型
表格型数据类型，每列值类型可能不同。既有行索引，又有列索引。
创建DataFrame

• 二维ndarray对象d=pd.DataFrame(np.arange(10).reshape(2,5))
• 从一维ndarray对象字典创建
  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)
• 列表类型的字典创建
  dl={'one':[1,2,3,4],'two':[9,8,7,6]}
d=pd.DataFrame(dl,index=['a','b','c','d'])
  操作：
  获取一列元素：d['列标签']
  获取一行元素：d.ix['行号']
  获取某个元素：d['列号']['行号']
  重新索引：增加和重排--reindex
  在行方向重排：d=d.reindex(index=['d','c','b','a'])
  在纵向上重排：d=d.reindex(columns=['城市'，'同比'...])
  重新索引
  增加新列：newc=d.columns.insert(4,'新增')，newd=d.reindex(columns=new,fill_value=200)
  Series与DataFrame的索引都是Index类型，Index对象不可修改 索引类型的常用方法 删除指定索引对象
  .drop()能够删除Series和DataFrame指定行或列索引、
  删除行：a.drop('c1') a.drop(['c1','c2'])
  删除列：a.drop('同比'，axis=1)

运算

• 算术运算（四则运算）：根据索引运算，二维和一维、一维和零维间为广播运算，产生的运算结果为浮点型
• 算术运算的另一种形式--【.add(d,argws) .sub(d,argws) .mul(d,argws) .div(d,argws)】
  例如：a.add(b,fill_value=100) 即a+b，不存在的部分使用100填充相加
• 不同维运算，其结果发生在行方向上（轴1），可指定axis=0使其发生在轴0上运算。
• 比较运算--比较运算只能比较相同索引的元素，不进行补齐，二维和一维、一维和零维间为广播运算，采用大于、小于、大于等于、等于、不等于产生布尔对象。多维之间的比较尺寸相同，不同会报错