1、Series的常用属性及方法
1.1、创建Series
Series是一列数据，Series表示DataFrame的每一列，DataFrame是二维数据
1、不指定索引默认从0开始
2、可以通过index修改行索引
import pandas as pd
pd.Series(['banana', 42])
/*
0 banana
1 42
dtype: object
*/
s = pd.Series(["apple", "banana"], index=['a', 'b'])
/*
a apple
b banana
dtype: object
*/
1.2、Series的常用属性
1、加载CVS文件
data = pd.read_csv('nobel_prizes.csv', index_col='id')
print(data.head()) # 默认从头开始加载前5行数据
print(data.tail(5)) # 默认加载末尾5行数据
2、使用 DataFrame的loc 属性获取数据集里的一行，就会得到一个Series对象
first_row = data.loc[100]
print(type(first_row)) # <class 'pandas.core.series.Series'>
print(first_row)
# year 1974
# category physics
# overallMotivation NaN
# firstname Sir Martin
# surname Ryle
# motivation "for their pioneering research in radio astrop...
# share 2
# Name: 100, dtype: object
2、可以通过 index 和 values属性获取行索引和值
first_row.index
# Index(['year', 'category', 'overallMotivation', 'firstname', 'surname', 'motivation', 'share'], dtype='object')
first_row.values
# array([1974, 'physics', nan, 'Sir Martin', 'Ryle', '"for their pioneering research in radio astrophysics: Ryle for his observations and inventions, in particular of the aperture synthesis technique, and Hewish for his decisive role in the discovery of pulsars"', 2], dtype=object)
3、Series的keys方法，作用和index属性一样
data.keys()
# Index(['year', 'category', 'overallMotivation', 'firstname', 'surname', 'motivation', 'share'], dtype='object')
4、Series的其他属性
loc：使用索引值取子集
iloc：使用索引位置取子集
dtype或dtypes：Series内容的类型
T：Series的转置矩阵
shape：数据的维数
size：Series中元素的数量
values：Series的值
2.3、Series常用方法
1、针对数值类型的Series进行计算
share = data.share
share.mean() # 平均
share.min() # 最小
share.max() # 最大
share.std() # 标准差
2、通过value_counts()方法，可以返回不同值的条目数量
movie = pd.read_csv('movie.csv')
director = movie['director_name'] # 从电影数据中获取导演名字，默认返回5条
director.value_counts() # 统计不同导演指导电影的数量, 默认返回5条
3、通过count() 返回非空数据
director.count() # 非空数量
director.shape # 全部数量
4、describe()打印描述信息
director.describe()
5、Series的其他方法
append()：连接两个多个Series
corr()：计算与另一个Series的关系
cov()：计算与另一个Series的协方差
describe()：计算常见统计量
drop_duplicates()：返回去重之后的Series
equals()：是否相等
get_values()：获取Series的值，与values相等
hist()：绘制直方图
isin()：Series中是否包含某些值
min()：最小
max()：最大
mean()：平均
median()：中位数
mode()：众数
quantile()：指定位置的分位数
replace()：用指定值代替Series中的值
sample()：随机样本
sort_values()：对值进行排序
to_frame()：把Series转换为DataFrame
unique()：去重返回数组
2.4、Series的布尔索引
scientists = pd.read_csv('data/scientists.csv')
ages = scientists['Age']
bool_values = [False, True, True, False, False, False, False, False]
ages[bool_values] # 只返回True对应的ages数组元素
# 1 61
# 2 90
# Name: Age, dtype: int64
2.5、Series的运算
ages * 2 # 对每一项都乘以2
ages + ages # 对每一项进行相加
# 索引不同的元素最终计算的结果会填充成缺失值，用NaN表示
ages * pd.Series([1, 100])
# 0 37.0
# 1 6100.0
# 2 NaN
# 3 NaN
# 4 NaN
# 5 NaN
# 6 NaN
# 7 NaN
2、DataFrame的常用属性及方法
2.1、创建DataFrame
1、有索引index，也有列名columns
name_list = pd.DataFrame(data={'职业': ['Teacher', 'Student'], 'gender': ['M', 'F']}, columns=['职业', 'gender'], index=['a', 'b'])
print(name_list)
/*
职业 gender
a Teacher M
b Student F
*/
name_list = pd.DataFrame({'职业': ['Teacher', 'Student'], '性别': ['M', 'F'], '年龄': [22, 23]})
print(name_list.T)
/*
0 1
职业 Teacher Student
性别 M F
年龄 22 23
*/
2.2、DataFrame的常用属性和方法
同 Series
2.3、DataFrame的布尔索引
movie[movie['duration']> movie['duration'].mean()] #返回满足条件为True的所有项
movie.head(5)[[True, True, False, True, False]] # 为True对应的项保留
2.4、DataFrame的运算
同Series
3、更改Series和DataFrame的方法
3.1、给索引命名
1、通过set_index()方法设置行索引名字
movie.set_index('movie_title') # 指定movie_title为索引名称
2、通过index_col参数，指定使用某一列数据作为行索引
pd.read_csv('movie.csv', index_col='movie_title')
3、通过reset_index()方法可以重置索引
movie.reset_index()
4、通过rename()方法对原有的行索引名和列名进行修改
movie.index[:5]
movie.columns[:5]
idx_rename = {'Avatar': 'Ratava', 'Spectre': 'Ertceps'}
col_rename = {'director_name': 'Director Name', 'num_critic_for_reviews': 'Critic Review'}
movie.rename(index=idx_rename, columns=col_rename).head()
3.2、添加、删除、插入
1、通过dataframe[列名]添加新列
movie = pd.read_csv('movie.csv')
movie['has_seen'] = 0
# 给新列赋值
movie['actor_director_11'] = (movie['actor_1_facebook_likes'] +
movie['actor_2_facebook_likes'] +
movie['actor_3_facebook_likes'])
2、通过drop方法删除列
movie = movie.drop('actor_director_11', axis='columns')
3、insert插入列
# loc 新插入的列在所有列中的位置（0,1,2,3...) column=列名 value=值
movie.insert(loc=0, column='profit', value=movie['gross']-movie['budget'])
4、导入导出数据
4.1、pickle文件
1、pickle文件介绍
如要保存的对象是计算的中间结果，或者保存的对象以后会在Python中复用，可把对象保存为.pickle文件
如果保存成pickle文件，只能在python中使用
文件的扩展名可以是.p，.pkl，.pickle
names = scientists['Name']
names.to_pickle('output/scientists_name.pickle')
scientists.to_pickle('output/scientists_df.pickle')
2、读取pickle文件
scientists_name = pd.read_pickle('output/scientists_name.pickle')
4.2、csv文件
1、csv文件介绍
CSV(逗号分隔值)是很灵活的一种数据存储格式
在CSV文件中，对于每一行，各列采用逗号分隔
除了逗号，还可以使用其他类型的分隔符，比如TSV文件，使用制表符作为分隔符
CSV是数据协作和共享的首选格式
