Series

series 是一种类似一维数组的对象，它由一组数据（不同数据类型）以及一组与之相关的标签（索引）组成

1. 仅有数据列表即可产生最简单的series

import pandas as pd
s1 = pd.Series([1,'a',5.2,7])
#获取索引
s1.index
#获取数据
s1.values

2. 创建一个具有标签索引的series

s2 = pd.Series([78,'kkk',67,90],index=['a','b','c','d'])

3. 使用python字典创建series

# key作为index 
s3 = pd.Series([{'name':'haha','age':78}])

4. series的查询

# 查询方法和字典类似  获取单个数据返回是一个值
s2['a']
# 查询多个标签  返回仍是一个series对象
s2[['a','b']]

5. series的属性方法
   • value_counts() ：各个数值的数量统计
   • apply ：将函数作用于每一个value
   • str：针对series的每个string类型的value，做字符操作

DataFrame

1. 如何创建一个DataFrame对象
   df = DataFrame(data, index, columns, dtype, copy)
   • data表示要传入的数据 ，包括 ndarray，series，map，lists，dict，constant和另一个DataFrame
   • index和columns 行索引和列索引 格式['x1','x2']
   • dtype:每列的类型
   • copy:从input输入中拷贝数据。默认是false，不拷贝。
2. dataframe对象基本属性
   文章
3. 读取csv文件构建dataframe对象
   pd.read_csv() 函数各个参数含义
   • path：表示文件系统位置，url，文件型对象的字符串
   • sep 和 delimiter：用于对行中各字段进行拆分的字符序列和正则表达式
   • header ：用作列名的行号，默认是第一行，如果csv文件没有应该设置为None
   • index_clo：用作行索引的列名或列编号
   • names：用作列名的列表对象，结合header = None
   • skiprows：需要忽略的行数（从文件开始出算起），或是需要跳过的行号列表（从0开始）
   • na_values：一组用于替换NA的值
   • comment：用于将注释信息从行尾拆分出去的字符（一个或多个）
   • parse_dates：默认false
   • keep_date_col：默认false
   • converters：用列号/列名跟函数映射关系组成的字典，{‘col’:function}会对col列的所有值应用函数function
   • dayfirst
   • date_parser：用于解析日期的函数
   • nrows：需要读取的函数，从文件开始出算起
   • iterator：返回一个textparser，以便逐块读取文件
   • chunksize：文件快的大小，用于迭代
   • skip_footer：需要忽略的函数，从文件末尾处算起
   • verbose
   • encoding：编码格式
   • squeeze：如果数据解析后仅剩一列，返回series
   • thousands：千分位分隔符

4. dataframe操作

   4.1 查询--数值，列表，区间，条件，函数

   使用 df.loc[index,columns] 函数进行查询，该函数有两个参数，第一个是行标签，第二个是列标签(可选参数)，两个参数既可以是列表也可以单个字符，如果两个参数都为列表，那么返回的是一个dataframe，否则，则为series
   • 使用单个label值查询数据

   # 准确的得到一个数
   df.loc[index,columns]
   # 区别于df.ix[index]  获取某行指定列的值
   df.loc[index,[col_name,col_name2]]
   

   • 使用值列表批量查询

   # 区别于df['col_name']，获取某列的指定行数据
   df.loc[[index1,index2,index3],col_name]
   # 返回一个dataframe，相当于截取一个小方块
   df.loc[[index1,index2],[col1,col2]]
   

   • 使用数值区间进行范围查询

   # 行按区间
   df.loc[index1:index2,col1]
   # 列按区间
   df.loc[index1,col1:col2]
   # 行和列都按区间
   df.loc[index1:index2,col1:col2]
   

   • 使用条件表达式查询

   # 使用简单查询
   df.loc[df['wendu']<-10,:]
   # 组合条件查询 &表示与 每个条件用（）
   df.loc[(df[col1]<30)&(df[col2]>15),:]
   

   • 调用函数查询

   # 直接写lambda表达式
   df.loc[lambda df : (df.['bWenDu']<=30)&(df.[yWenDu]>=15),:]
   # 自己编写函数，查询9月份，空气质量好的数据
   def query_my_datas(df):
     return df.index.str.startswith('2018-09')&df['tianqi'] == '晴'
   df.loc[query_my_datas,:]
   

   4.2 新增数据列

   • 直接赋值

   # 去掉字符c
   df[:,'bwendu']  = df['bwendu'].str.replace('c','').astype('int32')
   # 新增一列数据数据
   df[:,'wencha'] = df['gaowen'] - df['diwen']
   

   • df.apply方法
     dataframe.apply有两个参数，第一是自定义函数（函数参数是一个series对象，是dataframe的行或列），第二个axis，axis=0(默认等于0)表示函数按列作用，此时series的索引是dataframe的index，axis=1表示函数按行作用，此时series的索引是dataframe的列名。返回的是一个新的series对象

   # 新建一个温度类型
   def get_wendu_type(x):
     if x['bwendu'] > 33:
       return '高温'
     if ['ywendu'] < -10:
       return '低温'
     return '常温'
   df['wendu_type'] = df.apply(get_wendu_type,axis=1)
   

   • df.assign方法
     不同于apply，该方法可以同时新增多个列，其次在apply中需要指定axis，在assign中默认传入dataframe的行series（apply axis=1）。该方法不会修改函数本身，返回一个新的对象

   df.assign(
     bwendu_huashi = lambda x : x['bwendu']*9/5+32,
     ywendu_huashi = lambda x : x['ywendu']*9/5+32,
   )
   

   • 按条件选择分组分别赋值

   # 广播机制 会新增一列 
   wencha_type = ''
   df.loc[df['bwendu']-df['ywendu']>10,'wencha_type'] = '温差大'
   df.loc[df['bwendu']-df['ywendu']<=10,'wencha_type'] = '温差正常'
   

参考链接：
pandas常用函数及操作
dataframe基本函数
pandas入门视频