Series对象
#创建一个Series
s = pd.Series([1,3,6,np.nan,44,1])
Index对象
#创建一个index
dates = pd.date_range('20190101',periods=6)
s输出
0 1.0
1 3.0
2 6.0
3 NaN
4 44.0
5 1.0
dtype: float64
DataFrame对象
#dataFrame是一个行和列的Matrix，index是行的索引，columns是列的索引,默认是从0开始的数字
#np.random.randn是产生随机数，这些随机数是服从normal distribution的
df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['A','B','C','D'])
image.png
读取文件并查看前5行
import pandas as pd
data = pd.read_csv('student.csv')
print(data)
存储文件(pickle)
data.to_pickle('student.pickle')
查询操作
打印列
df['A']
df.A
image.png
打印列中没有重复的值
set(df['A'])
pd.unique(df['A'])
打印0-3行
df[0-3]
image.png
select by label: df.loc()
loc查找的是标签的label，用0，1这种索引号是不行的，必须用label
print(df.loc[:,['A','B']])
df.loc['2019-01-02':'2019-01-04','A':'C']
| df.loc[:,['A','B']] | df.loc['2019-01-02':'2019-01-04','A':'C'] |
|---|---|
 image.png
|
 image.png
|
#select by position: iloc
iloc:indexLoc，就是用索引号来查找，不是标签
print(df.iloc[0:3,0:3])#切片操作
#选择不连续的数据
print(df.iloc[[1,3,5],0:3])
| df.iloc[0:3,0:3] | df.iloc[[1,3,5],0:3] |
|---|---|
 df.iloc[0:3,0:3]
|
 df.iloc[[1,3,5],0:3]
|
使用布尔索引进行选择筛选(BooleanIndex)
print(df[df.A > 8])
1
| 1 | 2 |
|---|---|
 1
|
 2
|
只能用loc使用布尔索引，用iloc会报错
data.loc[data.loc[:,"MonthlyIncome"].isnull(),"MonthlyIncome"]
使用上面代码查询出来的结果是：本次查询的意思是要查询的行使用布尔索引，以data.loc[:,"MonthlyIncome"].isnull()为查询条件，然后将True的记录查询出来；要查询的列是MonthlyIncome。
查出来的就是MonthlyIncome为NaN的那些记录。
image.png
data.loc[:,"MonthlyIncome"].isnull()
上端代码的输出是一些布尔值。
data.loc[:,"MonthlyIncome"].isnull()
在末尾新增一列
df['D'] = [1,2,3,4,5,6]
df['F'] = np.NAN #跟新增字典记录差不多
print(df)
image.png
指定位置增加行
df.insert(0,'E',[11,12,13,14,15])
image.png
用loc指定位置添加一行
df.loc[2019-01-07]=[9,10,11,12,13,14,15,16]
处理空值
把NAN值都填充为0
print(df.fillna(value=0))
image.png
对有缺失值的记录进行删除
print(df.dropna(axis=0,how='all'))#只有这个行里所有的数据都是NAN才drop掉
print(df.dropna(axis=0,how='any'))#只要有一个为NAN就整行丢掉
print(df.dropna(axis=1,how='all'))#整列全都为NAN时才将这列删掉
print(df.dropna(axis=1,how='any'))#有一个NAN就整列删掉
原数据
| 方式 | axis=0 | axis=1 |
|---|---|---|
| how='all' |  image.png
|
 image.png
|
| hoe='any' |  image.png
|
 image.png
|
concatenating级联【数据合并】
相同字段的表首尾相接
#属性都是一样的，需要上下合并,会存在index重复的问题，可使用ignore_index
result = pd.concat([df1,df2,df3],axis=0,ignore_index=1)
image.png
横向表拼接（行对齐）
如果有join_axes的参数传入，可以指定根据那个轴来对齐数据
例如根据df1表对齐数据，就会保留指定的df1表的轴，然后将df4的表与之拼接
result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])
image.png
