前言：
pandas是在numpy的基础上开发出来的，Pandas 的数据结构：Pandas 主要有 Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）等数据结构。其中 Series 和 DataFrame 应用的最为广泛。

Series

• 何为Series？

Series由一组数据（numpy的ndarray）和一组与之相对应的标签构成

• 创建Series

from pandas import Series,DataFrame
import pandas as pd
#直接构建
ser01=Series([1,2,3],index=['a','b','c'])
#通过字典的形式创建
ser02=pd.Series({'a':1,'b':2,'c':3})

• 索引切片

ser02[0:2]
ser01["n"]

• 运算

• 类似ndarray运算

print(ser01[ser01>=2])#求范围（注意输出值用中括号括起来）
print(ser01>=2)#返回的是布尔值
ser01+10#求整体加10
np.exp(ser01)#求指数
np.fabs(ser01)#求绝对值
#把相同的index相加，自动对齐
ser03=Series([1,2,3,4],index=['a','b','c','d'])
ser02+ser03

• 另外，用API计算的方法

>1..加法
s1.add(s2)

>2.减法
>s1.sub(s2)

>3.乘法
>s1.mul(s2)

>4.除法
>s1.div(s2)

>5.求中位数
>s1.median()

>6.求最大值
>s1.max()

>7.求和
>s1.sum()

• 缺失值处理

ser02=Series(ser01,index=['a','b','c','d'])
pd.isnull(ser02)#判断是否为空值
ser02
#过滤掉np.nan的值
ser02[pd.notnull(ser02)]

DataFrame

• 何为DataFrame？

DataFrame表格样的数据结构，包含一组有序的列，有行、列索引，可以看做是Series的字典组成

• 创建DataFrame

df01 =DataFrame([['susan','long','meimei'],[50,60,60]],index=['姓名','成绩'],columns=['Chinese','math','english'])
df01  #index为行索引，columns为列索引

image.png

 #用字典创建一个列表,
dict={
    "apart":[121,111,144,122],
    "year":[2011,2013,2022,2003],
    "month":8,
    "profit":[100,22,99,80]
}
df02=DataFrame(dict,index=['one','two','three','four'])
df02

image.png

• 通过行列数据获取

默认为列获取，如果获取行可用pd.loc()

df02['apart']
#列增加
df02['address']=['北京','shanghai','shuangzhou','shenzhen']
df02
#列删除
df02.pop('apart')
#列修改
df02['month']=3
#行操作
df02.loc['two']

• 读取文件

分别读取csv、excel、txt文件
df04=pd.read_csv('data.csv')
df05=pd.read_excel('data.xlsx')#excel
df03 = pd.read_csv("data.txt",sep="\t",header=None)#通过tab键分割数据

• 过滤切片

df02[df02.columns[1:]]#截取从第二列之后所有行的值

image.png

• 缺失值操作

和series类似

df04.isnull()
#删除缺失值
df04.dropna(axis=1)#axis=1为去一列，默认为去一行，注意和数学统计里面默认计算的列不一样
df04.dropna(how="all")
#替换缺失值
df04.fillna(0)
df04.fillna({0:1,1:2,2:3})

• 数学统计

常见的方法如count describe min/max idxmin、idxmax quantile sum mean median mad var std cumsum pct_change

df02.describe()
df1=df02.dropna(axis=1)
df02.quantile(0.25)#计算样本分位（0到1）
df02.median()#中位数
df02.pct_change()#计算百分比变化

• 协方差和相对系数

直观反应两组数据的相关程度分别为cov，corr

df2=DataFrame({
    "gdp":[2,4,6],
    "chukou":[3,2,1]
})
df2.cov()
df2.corr()

• 唯一值，值计数，成员资格

唯一值unique，值计数value_counts，成员资格isin（等于用没里面的元素来过滤）

df3=Series([12,13,14,15,13,13,12,11,14])
df3.unique()
df3.value_counts()
df3[df3.isin([14,15])]#成员资格

• 层次索引

索引可以大于一维，unstack(level=1)可把series转化为dataframe，swapleve转换索引
df.set_index([])

后记：
才疏学浅，慢慢学习，慢慢更新，与诸君共勉

你可能感冒的文章：
我的机器学习numpy篇
我的机器学习matplotlib篇
我的机器学习微积分篇