Python 2.7
IDE Pycharm
Pandas 0.18.0
应该每天离目标更近一点
首先
推荐一下IDE，用的最顺手的是Pycharm，再配合anaconda2，简直完美，什么科学计算库都有，numpy，scipy，matplotlib应有尽有，乃大杀器有木有，对我们这种小白来说，什么乱七八糟依赖包好蛋疼有木有，有了Pycharm+anaconda2，我都被自己机智哭了。。。。
这里写图片描述
哈哈哈，不闹，↓是如何安装anaconda2方法囖囖囖
pycharm下安装anaconda2方法，详见@木子岚的回答
这里对anaconda2的强大我就不赘述了，直接开始今天的pandas学习咯~此博客主要还是自己当笔记看，所以，如果能帮到你，不胜荣幸！
Day 1
Series的使用
# -*- coding: utf-8 -*-
from pandas import *
obj = Series([4,7,-5,3])#标签结构。索引在左，值再右
print obj
print obj.values
print obj.index
0 4
1 7
2 -5
3 3
dtype: int64
----------------------------------
[ 4 7 -5 3]
----------------------------------
RangeIndex(start=0, stop=4, step=1)
其实就是有有序字典的过程，还可以索引和数组运算！
obj2 = Series([4,7,-5,3],index=['d','b','a','c'])#对应标签
print obj2
print obj2.index
print obj2['a']#根据索引，其实是个有序字典
print obj2[['c','b','a']]#也可以取一组值
print obj2[obj2>0]
print obj2*2 #会保留索引和值之间的联系
d 4
b 7
a -5
c 3
dtype: int64
----------------------------------
Index([u'd', u'b', u'a', u'c'], dtype='object')
----------------------------------
-5
----------------------------------
c 3
b 7
a -5
dtype: int64
----------------------------------
d 4
b 7
c 3
dtype: int64
----------------------------------
d 8
b 14
a -10
c 6
dtype: int64
字典直接用来建立Series，简单快捷
sdata={'ohii':3000,'nam':2000,'wyi':2999}
obj3 = Series(sdata)
print obj3
nam 2000
ohii 3000
wyi 2999
dtype: int64
利用index后添标签(或修改)，用isnull和notnull判断缺失数据
states={'ohii','nam','wyi','ckla'}
obj4 = Series(sdata,index=states)#无对应键值就输出NaN
print obj4
print isnull(obj4)
print notnull(obj4)
print obj3+obj4#会自动对齐
ckla NaN
ohii 3000.0
wyi 2999.0
nam 2000.0
dtype: float64
----------------------------------
ckla True
ohii False
wyi False
nam False
dtype: bool
----------------------------------
ckla False
ohii True
wyi True
nam True
dtype: bool
----------------------------------
ckla NaN
nam 4000.0
ohii 6000.0
wyi 5998.0
dtype: float64
Series对象本身及索引都有一个name属性，该属性和pandas其他的关键功能关系非常密切
obj4.name = 'population'
obj4.index.name = 'state'
print obj4
state#索引
ckla NaN
ohii 3000.0
wyi 2999.0
nam 2000.0
Name: population, dtype: float64
扯淡
今天研究生开题，没时间多做其他的，本来想着吧knn窗口化实现一下，可惜今天没时间咯，还好老师人很好，学渣侥幸开题成功，叮~您的假期已充费！
这里写图片描述
BTW
我是按照->利用python进行数据分析<-来学习的，这本书非常好的（听说），还有就是，可能pandas涉及到不在那么大众，所以有些词不知道意思还是建议查官方文档，这里给个官文pandas速查手册
Day 2
DataFrame的使用
- 通过字典建立DataFrame
In[20]: from pandas import *
data = {
'state':['ohio','ohio','nevada','nevada'],
'year':[2000,2001,2003,2002],
'pop':[1.5,1.6,3.6,2.9]
}
frame = DataFrame(data) # 不规定的话就columns随机排，index默认为0，1，2...
In[21]: frame
Out[21]:
pop state year
0 1.5 ohio 2000
1 1.6 ohio 2001
2 3.6 nevada 2003
3 2.9 nevada 2002
- 指定索引位置
In[22]: DataFrame(data,columns=['year','state','pop']) #按照规定顺序排序
Out[22]:
year state pop
0 2000 ohio 1.5
1 2001 ohio 1.6
2 2003 nevada 3.6
3 2002 nevada 2.9
- 指定检索，未指定则被按照NaN处理
In[24]: frame2 = DataFrame(data,columns=['year','state','pop','somethingNone'],index=['one','two','three','four']) # 自己安排columns和index，columns检索不到的按照NaN处理，和Series一样
In[25]: frame2
Out[25]:
year state pop somethingNone
one 2000 ohio 1.5 NaN
two 2001 ohio 1.6 NaN
three 2003 nevada 3.6 NaN
four 2002 nevada 2.9 NaN
- 获取column包含的内容，检索列
In[26]: frame2['state'] #检索，获取为一个Series
Out[26]:
one ohio
two ohio
three nevada
four nevada
Name: state, dtype: object
- 检索行，注意语法Obj.ix['index']
In[27]: frame2.ix['three'] #索引index的时候注意
Out[27]:
year 2003
state nevada
pop 3.6
somethingNone NaN
Name: three, dtype: object
- 类似字典的赋值操作
In[30]: frame2['somethingNone'] = 10 #直接可赋值操作
In[30]: frame2
Out[30]:
year state pop somethingNone
one 2000 ohio 1.5 10
two 2001 ohio 1.6 10
three 2003 nevada 3.6 10
four 2002 nevada 2.9 10
- 使用Series创建DataFrame
In[34]: val = Series([-1.2,-1.5],index = ['two','four']) # 如果赋值为Series的话，注意index位置及大小
In[35]: frame2
Out[35]:
year state pop somethingNone
one 2000 ohio 1.5 NaN
two 2001 ohio 1.6 -1.2
three 2003 nevada 3.6 NaN
four 2002 nevada 2.9 -1.5
- 删除列columns操作
In[47]: del frame2['somethingNone'] # 删除columns操作，
In[48]: frame.columns
Out[48]: Index([u'pop', u'state', u'year'], dtype='object')
- 多层字典创建DataFrame
In[50]: pop = {'Nevada':{2001:2.4,2002:2.9},'Ohio':{2000:1.5,2001:1.7,2002:3.6}}
In[51]: frame3 = DataFrame(pop) # 字典的字典创建DataFrame
In[52]: frame3 #外层字典作为列，内层作为行索引index
Out[52]:
Nevada Ohio
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
- DataFrame转置操作
In[53]: frame3.T #转置操作
Out[53]:
2000 2001 2002
Nevada NaN 2.4 2.9
Ohio 1.5 1.7 3.6
- 由Series组成的字典构建DataFrame
In[54]: pdata = {'Ohio':frame3['Ohio'][:-1],'Nevada':frame3['Nevada'][:2]} #Series组成的字典也可以DataFrame化，注意切片操作
In[55]: DataFrame(pdata)
Out[55]:
Nevada Ohio
2000 NaN 1.5
2001 2.4 1.7
- 添加index和columns名字属性
In[56]: frame3.index.name = 'year';frame3.columns.name = 'state'
In[57]: frame3
Out[57]:
state Nevada Ohio
year
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
Day 3
index的使用
构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转化成为一个Index
首选看一下index有哪些方法
index的方法和属性
- 构建Series
In[3]: obj = Series(range(3),index = ['a','b','c'])
In[4]: obj
Out[4]:
a 0
b 1
c 2
dtype: int64
- 获取index对象
In[5]: index = obj.index
In[6]: index
Out[6]: Index([u'a', u'b', u'c'], dtype='object')
In[7]: index[1:] #切片
Out[7]: Index([u'b', u'c'], dtype='object')
In[11]: 'a' in obj.index
Out[11]: True
- 创建新的Series有序对象
In[14]: obj2 = Series(range(3),index = ['d','e','f'])
In[15]: index2 = obj2.index
- 连接另一个index对象
In[19]: index3 = index.append(index2) #连接另一个index对象，产生新的index
In[20]: index3
Out[20]: Index([u'a', u'b', u'c', u'd', u'e', u'f'], dtype='object')
- 判断index中元素是否唯一
In[23]: index3.is_unique #index是否有唯一
Out[23]: True
In[24]: index3.unique() #计算唯一值的数组
Out[24]: array(['a', 'b', 'c', 'd', 'e', 'f'], dtype=object)
- 计算index3和index2的不同即差值
In[25]: index3.diff(index2) #计算差值
C:\Program Files (x86)\JetBrains\PyCharm 5.0.3\helpers\pydev\pydevconsole.py:1: FutureWarning: diff is deprecated. Use difference instead
Out[25]: from _pydev_imps._pydev_thread import start_new_thread #提示需要导入包
Index([u'a', u'b', u'c'], dtype='object')
- 计算index和index2的并集
In[26]: index.union(index2) #计算并集
Out[26]: Index([u'a', u'b', u'c', u'd', u'e', u'f'], dtype='object')
- 从index中删除元素，注意不改变原来的index，而是构建新的index
In[28]: index3.delete(3) #删除索引i处的元素
Out[28]: Index([u'a', u'b', u'c', u'e', u'f'], dtype='object') #即删除了第四个索引元素
In[29]: index3 #但是对index3本身并不起作用，还是符合index不可修改的原则
Out[29]: Index([u'a', u'b', u'c', u'd', u'e', u'f'], dtype='object')
- drop方法，丢弃指定轴上的项
In[31]: index3.drop('a') #删除传入的值，根据index名字来进行删除操作
Out[31]: Index([u'b', u'c', u'd', u'e', u'f'], dtype='object')
reindex的使用
作用是创建一个适应新索引的新对象，同样不改变原来的索引，而产生一个新的对象
- Series的reindex的使用
In[43]: obj
Out[43]:
a 0
b 1
c 2
dtype: int64
In[44]: obj3 = obj.reindex(['1','2','3','a','b']) #重新根据索引进行排序，对某个索引不存在时，默认用NaN填充，也可以用fill_value确定缺省值，用ffill方法向前填充
In[45]: obj3
Out[45]:
1 NaN
2 NaN
3 NaN
a 0.0
b 1.0
dtype: float64
- 用fill_value确定缺省值
In[47]: obj4 = obj.reindex(['1','2','3','a','b'],fill_value = 'Fill_Value')
In[48]: obj4
Out[48]:
1 Fill_Value
2 Fill_Value
3 Fill_Value
a 0
b 1
dtype: object
- 使用ffill方法实现向前填充缺省值，bfill为向后填充
In[49]: obj5 = Series(['A','C','E'],index = [0,2,4])
In[50]: obj5
Out[50]:
0 A
2 C
4 E
dtype: object
In[51]: obj5.reindex(range(6),method = 'ffill')
Out[51]:
0 A
1 A
2 C
3 C
4 E
5 E
dtype: object
- DataFrame的reindex的使用
#首先看一下构造
In[52]: np.arange(9)
Out[52]: array([0, 1, 2, 3, 4, 5, 6, 7, 8])
In[53]: np.arange(9).reshape((3,3))
Out[53]:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
#了解结构之后构建DataFrame
In[54]: frame = DataFrame(np.arange(9).reshape((3,3)),index=['a','b','c'],columns=['Ohio','Texas','California'])
In[55]: frame
Out[55]:
Ohio Texas California
a 0 1 2
b 3 4 5
c 6 7 8
- 对DataFrame对象进行重新索引
In[59]: frame3 = frame.reindex(['a','c','b','new'])
In[60]: frame3
Out[60]:
Ohio Texas California
a 0.0 1.0 2.0
c 6.0 7.0 8.0
b 3.0 4.0 5.0
new NaN NaN NaN
- ix的标签检索功能，内部参数传入注意形式，检索不到的值用NaN填充
In[61]: frame3.ix[['a','c','new'],['Ohio','NewYork','California']] #利用ix的标签检索功能
Out[61]:
Ohio NewYork California
a 0.0 NaN 2.0
c 6.0 NaN 8.0
new NaN NaN NaN
Pay Attention
1.Index对象是不可改变的，用户不能对其进行修改，对Index的操作都会产生一个新的Index，对原来的Index并不修改。比如说，拿一个list来说
list的append方法
In[67]: a = ['1','2','3']
In[68]: a.append('4')
In[69]: a
Out[69]: ['1', '2', '3', '4'] # a已经被改变
index的append方法，其余方法类似
In[70]: index
Out[70]: Index([u'a', u'b', u'c'], dtype='object')
In[71]: index2
Out[71]: Index([u'd', u'e', u'f'], dtype='object')
In[72]: index.append(index2)
Out[72]: Index([u'a', u'b', u'c', u'd', u'e', u'f'], dtype='object')
In[73]: index
Out[73]: Index([u'a', u'b', u'c'], dtype='object') #可见index并没有改变，
2.Obj.ix[[],[]...]标签索引功能的使用，举个栗子
假设frame是如下
In[75]: frame
Out[75]:
Ohio Texas California
a 0 1 2
b 3 4 5
c 6 7 8
开始索引
In[77]: frame.ix['a'] #把index为a的索引出来，构成Series
Out[77]:
Ohio 0
Texas 1
California 2
Name: a, dtype: int32
多条件索引
In[80]: frame.ix['a','California']
Out[80]: 2
致谢
利用python进行数据分析.Wes McKinney著