第5章 pandas入门

pandas数据结构

• Series：一种一维第数组型对象，包含了一个值序列，并且包含了一个数据标签，称为索引。

  • 创建一个最简单的Series(S一定要大写）：

    
    
    image.png

  • 访问Series中的值或索引：
    obj.values,obj.index

  • 创建一个自定义标签的Series：

    
    
    image.png

  • 可以做类似numpy风格的操作：
    布尔值过滤：obj[obj>0]
    与标量相乘：obj*2
    应用数学函数：np.exp(obj)

  • 如果你已经有数据在Python字典中，你可以用它生成一个Series：

    
    
    image.png

    • 你也可以将字典键按照你想要的顺序传递给构造函数，从而使生成的Series符合你的预期：
      

      image.png
      
      上述例子中，由于sdata中没有键'California'，故期值不存在，在Series中表示为NaN。

    • 我们可以使用isnull或notnull来查询值的缺失：
      

      image.png

    • 按位置改变Series的索引：

      
      
      image.png

• DataFrame

  • DataFrame是一种表示矩阵的数据表，它包含已排序的列集合，每一列都可以有不同类型的数据类型。

  • 构建方法最常用的是利用包含等长度列表或Numpy数组的字典来形成DataFrame：

    
    
    image.png

  指定列顺序：

  
  
  image.png
  
  

  如果你传入的列不包含在字典中，则结果会出现缺失值。

  
  
  image.png

  • DataFrame中的每一列可以看作Series，可以按照字典型标记或属性那样检索。

    
    
    image.png

  • 选取某一行loc[]：
    

    image.png

  • 修改列，可以赋值为标量值或者值数组(值的长度必须匹配)：

    
    
    image.png
    
    
    image.png

  • 将Series赋值给一列时，Series的索引将会按照DataFrame的索引重新排列，并在空缺的地方填充缺失值：

    
    
    image.png

  • 如果被赋值的列不存在，将会生成一个新列:

    
    
    image.png

  • del：删除某一列。
    del frame['eastern']

  • 另一种构建方法，将嵌套字典赋值给DataFrame。Pandas会将字典的键作为列，内部字典的键作为行索引。

    
    
    image.png

  • 可以使用Numpy中的语法进行转置。

    
    
    image.png

索引对象
你所使用的任意数组或标签序列都可以在内部转换为索引对象。

image.png

• 生成Index：
  
  image.png
• 与Python字典不同，pandas索引对象可以包含重复标签。
• 一些索引对象的方法和属性见书P135。

重建索引

• 如果索引值之前不存在，则会引入缺失值。

  
  
  image.png
• 重建索引时可以使用一些方法，例如ffill，将缺失值向前填充。
  
  image.png
• 可以改变行索引，也可以改变列索引，使用columns关键字：
  
  image.png
• 使用loc进行更为简介的标签索引，大家更倾向于这种方式：
  frame.loc[['a','b','c','d'],states]]，注意最外层是[] 。
• 一些reindex的方法见书P137。

轴向 上删除条目

• drop方法：
  
  image.png

  • 也可以从列中删除值

    
    
    image.png

索引、选择与过滤

• Series的索引与Numpy数组索引的功能类似，但是Series的索引可以不仅仅是整数。
  obj['b'], obj[1], obj[2:3]（返回第第三个）,obj[obj<2]。
  另外Python中切片是不包含尾部的，而Series的切片则不同：obj['b':'c']，输出标签为b到c的之间的数据，包含b和c。
  

  image.png

• 使用loc和iloc选择数据
  loc：使用轴标签来选择数据。
  iloc：使用整数标签来选择数据。

• 一些DataFrame的其他索引方式见书P144。

算数和数据对其
标签重叠的数据相加，标签不重合的数据补缺失值。

• 对于Series：

  
  
  image.png

• 对于DataFrame：

  
  
  image.png

• 使用填充值的算数方法
  可以使用fill_value参数设定不重叠的Nan值。
  

  image.png
  • 一些其他灵活算数方法见书P148。

DataFrame和Series之间的操作

• 先来看Numpy中的多维arr与一维arr之间的操作：
  当我们从arr中减去arr[0]时，减法在每一行都进行了操作，这就是广播机制。
  
  image.png

• Frame与Series相减：

  
  
  image.png

函数应用和映射
Numpy的通用函数对pandas对象也有效：

image.png

排序和排名

• sort_index方法：对index进行排序。
  在Series中：
  
  image.png

在DataFrame中：

image.png

• sort_values方法：对值进行排序：
  对于Series：
  
  image.png

对于DataFrame，可以选择一列或多列进行排序：

image.png

排名 rank
以下默认方法不会打破平级关系，比如两个7都是排6.5名。

image.png

含有重复标签的轴索引
如果含有重复的轴标签，对重复的轴标签进行索引时会返回多个值。

相关性和协方差

• corr方法求相关性。
• cov方法求协方差。
• corrwith方法求一列与多列之间的相关性。