数据分析库Pandas

文末有源代码（ipynb格式）、视频教程的下载地址。

数据读取

1、Pandas操作的数据类型也就是结构是DataFrame

里面元素的数据类型分别是str（object），int64，float64三种

print（help（pandas.read_csv)

2、显示前几行，后几行，每列的含义，矩阵的维度。。。

---

索引和计算

1、取某一行的样本

2、取某几行的样本

3、取DataFrame里的某一列

4、取DataFrame里的某几列

5、提取列名以“g”为结尾的数据

6、对某一列的所有数据进行操作，加减乘除

7、对某两列对应位置相乘可以得到新的一列（值为两列对应位置相乘）；处理某列并添加到原数据集

8、对某几列进行复杂的计算

9、求某一列的最大值，并用于归一化

10、对指定的列进行排序

---

数据预处理实例

1、数据读入

2、对于缺失值进行定位，统计

3、有缺失值时，求均值得到的也是缺失值

4、除去缺失值之后求均值；也可以直接调用Pandas里的.mean()方法求均值

5、透视表的使用

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数详情可参考官网：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.pivot_table.html

详细教程可参考博客：https://www.cnblogs.com/onemorepoint/p/8425300.html

其中源代码在这里：http://nbviewer.jupyter.org/url/pbpython.com/extras/Pandas-Pivot-Table-Explained.ipynb

例如：统计船舱等级分别对应的“Fare”均值（用循环的方式）

后者使用.pivot_table函数

5、删除缺失值

6、按照某一列进行排序，并重设第一列的索引

sort_values和reset_index函数

---

自定义函数

使用apply函数调用自定义的函数

1、获得第一百行

2、求每列缺失值的个数

3、把连续的年龄转换成离散化的数据

---

Series结构

DataFrame分解得到的行或者列都是一个Series结构。

前者相当于矩阵，后者相当于一行或者一列

Series (collection of values)、DataFrame (collection of Series objects)、Panel (collection of DataFrame objects)

1、取出某列，即series结构

2、Series的组成和构建

3、series的索引

4、索引重排序

5、按索引排序、按值排序

6、

7、选取值在50-75之间的

8、计算两个媒体对每个电影的平均评分

---

1、对于DataFrame建立索引值set_index，以电影名字为索引

2、以某一列为索引，同样可以切片。此时有两个索引值

单独选择一行时，返回的是series结构；多行时，返回的是DataFrame结构

3、类型转换apply函数

4、对某两行计算标准差

源代码链接：https://pan.baidu.com/s/1XBfgedOl0cw6-5mQFbpGtA 密码：b6qw

视频教程链接：链接：https://pan.baidu.com/s/1D6pXzgpmG7N6JqfniBD8eQ 密码：i2s4