Pandas库的引用
Pandas是Python第三方库，提供高性能易用数据类型和分析工具
Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用
import pandas as pd
Pandas库的理解
两个数据类型：Series, DataFrame
基于上述数据类型的各类操作：基本操作、运算操作、特征类操作、关联类操作
| Numpy | Pandas |
|---|---|
| 基础数据类型 | 扩展数据类型 |
| 关注数据的结构表达 | 关注数据的应用表达 |
| 维度：数据间关系 | 数据与索引间关系 |
Pandas库的Series类型
Series类型由一组数据及与之相关的数据索引组成
Series类型可以由如下类型创建：
- Python列表，index与列表元素个数一致
- 标量值，index表达Series类型的尺寸
- Python字典，键值对中的“键”是索引，index从字典中进行选择操作
- ndarray，索引和数据都可以通过ndarray类型创建
- 其他函数，range()函数等
举例：
s = pd.Series( [9, 8, 7, 6] )#自动索引
s = pd.Series( [9, 8, 7, 6], index=['a', 'b', 'c', 'd'] )#自定义索引
s = pd.Series(25, index=['a', 'b', 'c', 'd'] )#从标量值创建不能省略index
s = pd.Series( {'a':9, 'b':8, 'c':7} )
s = pd.Series( {'a':9, 'b':8, 'c':7}, index=['c', 'a', 'b', 'd'] )
s = pd.Series(np.arange(5))
s = pd.Series(np.arange(5), index = np.arange(9, 4, 1))
Series类型的基本操作
Series类型包括index和values两部分，.index 获得索引， .values 获得数据。自动索引和自定义索引并存，但不能混用。
Series类型的操作类似ndarray类型
- 索引方法相同，采用[]
- NumPy中运算和操作可用于Series类型
- 可以通过自定义索引的列表进行切片
- 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片
Series类型的操作类似Python字典类型
- 通过自定义索引访问
- 保留字in操作
- 使用.get()方法
Series类型的对齐操作
Series + Series
Series类型在运算中会自动对齐不同索引的数据。没有相同索引处是NaN.
Series类型的name属性
Series对象和索引都可以有一个名字，存储在属性.name中。
.name 和 .index.name
Pandas库的DataFrame类型
DataFrame类型由共用相同索引的一组列组成
DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据，但可以表达多维数据
DataFrame类型可以由如下类型创建：
- 二维ndarray对象
- 由一维ndarray、列表、字典、元组或Series构成的字典
- Series类型
- 其他的DataFrame类型
实例：
d = pd.DataFrame(np.arange(10).reshape(2, 5))#两行五列
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)#四行两列
dl = {'one' : [1, 2, 3, 4], 'two' : [9, 8, 7, 6]}
d = pd.DataFrame(dl, index = ['a', 'b', 'c', 'd'])
列索引：d[]
行索引：d.ix[]
行列索引：d[column][index]
Pandas库的数据类型操作
重新索引
.reindex()能够改变或重排Series和DataFrame索引
d = d.reindex(index=[], column=[])
.reindex(index=None, column=None, ...)的参数：
| 参数 | 说明 |
|---|---|
| index, columns | 新的行列自定义索引 |
| fill_value | 重新索引中，用于填充缺失位置的值 |
| method | 填充方法, ffill当前值向前填充，bfill向后填充 |
| limit | 最大填充量 |
| copy | 默认True，生成新的对象，False时，新旧相等不复制 |
索引类型
Series和DataFrame的索引是Index类型
Index对象是不可修改类型
索引类型的常用方法：
| 方法 | 说明 |
|---|---|
| .append(idx) | 连接另一个Index对象，产生新的Index对象 |
| .diff(idx) | 计算差集，产生新的Index对象 |
| .intersection(idx) | 计算交集 |
| .union(idx) | 计算并集 |
| .delete(loc) | 删除loc位置处的元素 |
| .insert(loc,e) | 在loc位置增加一个元素e |
删除指定索引对象：
.drop(loc, axis=0) 删除Series和DataFrame指定行或列索引
默认删除行索引，如要删除列索引，需指定axis=1
Pandas库的数据类型运算
算术运算法则
算术运算根据行列索引，补齐后运算，运算默认产生浮点数。
补齐时缺项填充NaN (空值)。
二维和一维、一维和零维间为广播运算。一维Series默认在轴1参与运算，使用运算方法可以令一维Series参与轴0运算。
采用+ ‐ * /符号进行的二元运算产生新的对象。
方法形式的运算：
| 方法 | 说明 |
|---|---|
| .add(d, **argws) | 类型间加法运算，可选参数 |
| .sub(d, **argws) | 类型间减法运算，可选参数 |
| .mul(d, **argws) | 类型间乘法运算，可选参数 |
| .div(d, **argws) | 类型间除法运算，可选参数 |
比较运算法则
比较运算只能比较相同索引的元素，不进行补齐。
同维度运算，尺寸一致。
二维和一维、一维和零维间为广播运算，默认在1轴。
采用> < >= <= == !=等符号进行的二元运算产生布尔对象。
Reference:
中国大学MOOC北京理工大学Python数据分析与展示课程嵩天老师课件
课程主页
