两万字总结python之pandas库
为什么要学习pandas?
那么问题来了：
numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？
numpy能够帮我们处理处理数值型数据，但是这还不够， 很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等。
比如：我们通过爬虫获取到了存储在数据库中的数据
所以，pandas出现了。
什么是Pandas?
Pandas的名称来自于面板数据（panel data）
Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了高级数据结构和数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。
-
一个强大的分析和操作大型结构化数据集所需的工具集
-
基础是NumPy，提供了高性能矩阵的运算
-
提供了大量能够快速便捷地处理数据的函数和方法
-
应用于数据挖掘，数据分析
-
提供数据清洗功能
Pandas的数据结构：
import pandas as pd
Pandas有两个最主要也是最重要的数据结构: Series和DataFrame
官网：
http://pandas.pydata.org/
目录
-
Series介绍及其基本操作
-
DateFrame介绍及其基本操作
-
Pandas的索引操作详细介绍
-
Pandas的对齐运算
-
Pandas的函数应用
-
层级索引（hierarchical indexing)
-
Pandas统计计算和描述
Series
Series是一种一维标记的数组型对象，能够保存任何数据类型(int, str, float, python object…),包含了数据标签,称为索引。
- 类似一维数组的对象,index =['名字,‘年龄’,‘班级’]
- 由数据和索引组成
- 索引(index)在左，数据(values)在右
- 索引是自动创建的（也可以自己指定）
Series创建
- 通过list创建
import pandas as pd
import numpy as np
# 2.1 通过list创建
s1 = pd.Series([1,2,3,4,5])
s1
结果：
0 1
1 2
2 3
3 4
4 5
dtype: int64
- 通过数组创建
# 2.2 通过数组创建
arr1 = np.arange(1,6)
print(arr1)
s2 = pd.Series(arr1)
s2
结果：
[1 2 3 4 5]
0 1
1 2
2 3
3 4
4 5
dtype: int32
指定索引名称：
#索引长度和数据长度必须相同。
s2 = pd.Series(arr1,index=['a','b','c','d','e'])
s2
结果：
a 1
b 2
c 3
d 4
e 5
dtype: int32
属性index和values
print(s1.values)
print('='*30)
print(s1.index)
[1 2 3 4 5]
==============================
RangeIndex(start=0, stop=5, step=1)
- 通过字典创建
# 2.3 通过字典创建
dict = {
'name':'李宁','age':18,'class':'三班'}
s3 = pd.Series(dict,index = ['name','age','class','sex'])
s3
结果：
name 李宁
age 18
class 三班
sex NaN
dtype: object
Series的基本用法
- isnull 和 notnull 检查缺失值
# isnull 和 notnull 检查缺失值
print(s3.isnull()) #判断是否为空 空就是True
print('='*30)
print(s3.notnull()) #判断是否不为空 非空True
结果：
name False
age False
class False
sex True
dtype: bool
==============================
name True
age True
class True
sex False
dtype: bool
- 通过索引获取数据
print(s3)
print('='*30)
# 下标
print(s3[0])
print('='*30)
# 标签名
print(s3['age'])
print('='*30)
# 选取多个
print(s3[['name','age']]) # s3[[1,3]]
print('='*30)
# 切片
print(s3[1:3])
print('='*30)
print(s3['name':'class']) #标签切片 包含末端数据
print('='*30)
#布尔索引
print(s2[s2>3])
结果：
name 李宁
age 18
class 三班
sex NaN
dtype: object
==============================
李宁
==============================
18
==============================
name 李宁
age 18
dtype: object
==============================
age 18
class 三班
dtype: object
==============================
name 李宁
age 18
class 三班
dtype: object
==============================
3 4
4 5
dtype: int32
- 索引与数据的对应关系不被运算结果影响
#索引与数据的对应关系不被运算结果影响
print(s2+2)
print('='*30)
print(s2>2)
结果：
0 3
1 4
2 5
3 6
4 7
dtype: int32
==============================
0 False
1 False
2 True
3 True
4 True
dtype: bool
- name属性
s2.name = 'temp' #对象名
s2.index.name = 'year' #对象的索引名
s2
结果：
year
a 1
b 2
c 3
d 4
e 5
Name: temp, dtype: int32
- head和tail方法
print(s2.head(3)) #无参数默认前5行
print('='*30)
print(s2.tail(2)) #无参数尾部默认后5行
结果：
0 1
1 2
2 3
dtype: int32
==============================
3 4
4 5
dtype: int32
DateFrame
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引)，数据是以二维结构存放的。
- 类似多维数组/表格数据(如，excel,R中的data.frame)
- 每列数据可以是不同的类型
- 索引包括列索引和行索引
DateFrame构建
字典类：
-
数组、列表或元组构成的字典构造dataframe
-
Series构成的字典构造dataframe
-
字典构成的字典构造dataframe
列表类:
-
2D ndarray 构造dataframe
-
字典构成的列表构造dataframe
-
Series构成的列表构造dataframe
数组、列表或元组构成的字典构造dataframe
import numpy as np
import pandas as pd
# 数组、列表或元组构成的字典构造dataframe
#构造一个字典
data = {
'a':[1,2,3,4],
'b':(5,6,7,8),
'c':np.arange(9,13)}
#构造dataframe
frame = pd.DataFrame(data)
frame
结果：
一些属性操作：
#index属性查看行索引
print(frame.index)
print('='*30)
#columns属性查看列索引
print(frame.columns)
print('='*30)
#values属性查看值
print(frame.values)
print('='*30)
#指定index
frame = pd.DataFrame(data,index=['A','B','C','D'])
print(frame)
print('='*30)
#指定列索引
frame = pd.DataFrame(data,index=['A','B','C','D'],columns=['a','b','c','d'])#若指定多余的列，则那一列值为NAN
print(frame)
结果：
RangeIndex(start=0, stop=4, step=1)
==============================
Index(['a', 'b', 'c'], dtype='object')
==============================
[[ 1 5 9]
[ 2 6 10]
[ 3 7 11]
[ 4 8 12]]
==============================
a b c
A 1 5 9
B 2 6 10
C 3 7 11
D 4 8 12
==============================
a b c d
A 1 5 9 NaN
B 2 6 10 NaN
C 3 7 11 NaN
D 4 8 12 NaN
Series构成的字典构造dataframe
#2.Series构成的字典构造dataframe
pd1 = pd.DataFrame({
'a':pd.Series(np.arange(3)),
'b':pd.Series(np.arange(3,5))})
print(pd1)
结果：
a b
0 0 3.0
1 1 4.0
2 2 NaN
字典构成的字典构造dataframe
#3.字典构成的字典构造dataframe
#字典嵌套
data1 = {
'a':{
'apple':3.6,'banana':5.6},
'b':{
'apple':3,'banana':5},
'c':{
'apple':3.2}
}
pd2 = pd.DataFrame(data1)
print(pd2)
结果：
a b c
apple 3.6 3 3.2
banana 5.6 5 NaN
2D ndarray 构造dataframe
#构造二维数组对象
arr1 = np.arange(12).reshape(4,3)
frame1 = pd.DataFrame(arr1)
print(frame1)
结果：
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
字典构成的列表构造dataframe
l1 = [{
'apple':3.6,'banana':5.6},{
'apple':3,'banana':5},{
'apple':3.2}]
pd3 = pd.DataFrame(l1)
pd3
结果：
Series构成的列表构造dataframe
l2 = [pd.Series(np.random.rand(3)),pd.Series(np.random.rand(2))]
pd4 = pd.DataFrame(l2)
print(pd4)
结果：
0 1 2
0 0.479686 0.107307 0.908551
1 0.032230 0.626875 NaN
DataFrame的基本用法
- T转置
- 通过列索引获取列数据（Series类型）
- 增加列数据
- 删除列
T转置
#dataframe
pd5 = pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','b'],columns=['A','B','C'])
print(pd5)
结果：
A B C
a 0 1 2
c 3 4 5
b 6 7 8
#和numpy一样 进行转置 行与列进行转置
print(pd5.T)
结果：
a c b
A 0 3 6
B 1 4 7
C 2 5 8
通过列索引获取列数据（Series类型）
pd5['A']
print(type(pd5['A']))
结果：
<class 'pandas.core.series.Series'>
增加列数据
pd5['D'] = [1,2,3]
print(pd5)
结果：
A B C D
a 0 1 2 1
c 3 4 5 2
b 6 7 8 3
删除列
del(pd5['D'])
print(pd5)
结果：
A B C
a 0 1 2
c 3 4 5
b 6 7 8
Pandas的索引操作
索引对象Index
1. Series和DataFrame中的索引都是Index对象
代码举例：
import numpy as np
import pandas as pd
ps1 = pd.Series(range(5),index=['a','b','c','d','e'])
print(type(ps1.index))
print('='*30)
pd1 = pd.DataFrame(np.arange(9).reshape(3,3),index = ['a','b','c'],columns = ['A','B','C'])
print(type(pd1.index))
结果：
<class 'pandas.core.indexes.base.Index'>
==============================
<class 'pandas.core.indexes.base.Index'>
2. 索引对象不可变，保证了数据的安全
代码举例：
pd1.index[1] = 2
pd1
结果：
TypeError Traceback (most recent call last)
<ipython-input-16-8d21a7039bc5> in <module>()
----> 1 pd1.index[1] = 2
D:\Anaconda\lib\site-packages\pandas\core\indexes\base.py in __setitem__(self, key, value)
1668
1669 def __setitem__(self, key, value):
-> 1670 raise TypeError("Index does not support mutable operations")
1671
1672 def __getitem__(self, key):
TypeError: Index does not support mutable operations
常见的Index种类
- Index，索引
- Int64Index，整数索引
- MultiIndex，层级索引
- DatetimeIndex，时间戳类型
Series索引
- index 指定行索引名
ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
print(ser_obj.head())
结果：
a 0
b 1
c 2
d 3
e 4
dtype: int64
- 行索引
ser_obj[‘label’]
ser_obj[pos]
# 行索引
print(ser_obj['b'])
print(ser_obj[2])
结果：
1
2
- 切片索引
ser_obj[2:4]
ser_obj[‘label1’: ’label3’]
注意，按索引名切片操作时，是包含终止索引的。
代码举例：
# 切片索引
print(ser_obj[1:3])
print(ser_obj['b':'d'])
结果：
b 1
c 2
dtype: int64
b 1
c 2
d 3
dtype: int64
- 不连续索引
ser_obj[[‘label1’, ’label2’, ‘label3’]]
ser_obj[[0，1，2]]
代码举例：
# 不连续索引
print(ser_obj[[0, 2, 4]])
print(ser_obj[['a', 'e']])
结果：
a 0
c 2
e 4
dtype: int64
a 0
e 4
dtype: int64
- 布尔索引
# 布尔索引
ser_bool = ser_obj > 2
print(ser_bool)
print(ser_obj[ser_bool])
print(ser_obj[ser_obj > 2])
结果：
a False
b False
c False
d True
e True
dtype: bool
d 3
e 4
dtype: int64
d 3
e 4
dtype: int64
DataFrame索引
-
columns 指定列索引名
import numpy as np
df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])
print(df_obj.head())
结果：
a b c d
0 -0.241678 0.621589 0.843546 -0.383105
1 -0.526918 -0.485325 1.124420 -0.653144
2 -1.074163 0.939324 -0.309822 -0.209149
3 -0.716816 1.844654 -2.123637 -1.323484
4 0.368212 -0.910324 0.064703 0.486016
- 列索引
df_obj[[‘label’]]
示例代码：
# 列索引
print(df_obj['a']) # 返回Series类型
结果：
0 -0.241678
1 -0.526918
2 -1.074163
3 -0.716816
4 0.368212
Name: a, dtype: float64
- 不连续索引
df_obj[[‘label1’, ‘label2’]]
代码举例：
# 不连续索引
print(df_obj[['a','c']])
结果：
a c
0 -0.241678 0.843546
1 -0.526918 1.124420
2 -1.074163 -0.309822
3 -0.716816 -2.123637
4 0.368212 0.064703
高级索引：标签、位置和混合（不建议使用，不再展开讨论）
Pandas的高级索引有3种
1. loc 标签索引
DataFrame 不能直接切片，可以通过loc来做切片
loc是基于标签名的索引，也就是我们自定义的索引名
代码举例：
# 标签索引 loc
# Series
print(ser_obj['b':'d'])
print(ser_obj.loc['b':'d'])
# DataFrame
print(df_obj['a'])
# 第一个参数索引行，第二个参数是列
print(df_obj.loc[0:2, 'a'])
结果：
b 1
c 2
d 3
dtype: int64
b 1
c 2
d 3
dtype: int64
0 -0.241678
1 -0.526918
2 -1.074163
3 -0.716816
4 0.368212
Name: a, dtype: float64
0 -0.241678
1 -0.526918
2 -1.074163
Name: a, dtype: float64
2.位置索引
作用和loc一样，不过是基于索引编号来索引
示例代码：
# 整型位置索引 iloc
# Series
print(ser_obj[1:3])
print(ser_obj.iloc[1:3])
# DataFrame
print(df_obj.iloc[0:2, 0]) # 注意和df_obj.loc[0:2, 'a']的区别，包括不包括的问题
结果：
b 1
c 2
dtype: int64
b 1
c 2
dtype: int64
0 -0.241678
1 -0.526918
Name: a, dtype: float64
注意：
标签的切片索引是包含末尾位置的
索引的一些基本操作
-
重建索引
-
增
-
删
-
改
-
查
import numpy as np
import pandas as pd
ps1 = pd.Series(range(5),index=[‘a’,‘b’,‘c’,‘d’,‘e’])
print(ps1)
print(’=’*30)
pd1 = pd.DataFrame(np.arange(9).reshape(3,3),index = [‘a’,‘b’,‘c’],columns = [‘A’,‘B’,‘C’])
print(pd1)
结果：
a 0
b 1
c 2
d 3
e 4
dtype: int64
==============================
A B C
a 0 1 2
b 3 4 5
c 6 7 8
1.重建索引
对于Series
#1.reindex 创建一个符合新索引的新对象
ps2 = ps1.reindex(['a','b','c','d','e','f'])#必须是原本有的加上没有的列名
ps2
结果：
a 0.0
b 1.0
c 2.0
d 3.0
e 4.0
f NaN
dtype: float64
对于dataframe
#行索引重建
pd2 = pd1.reindex(['a','b','c','d'])
pd2
结果：
#列索引重建
pd3 = pd1.reindex(columns = ['C','B','A'])
pd3
结果：
2.增
对于series
ps1
结果：
a 0
b 1
c 2
d 3
e 4
dtype: int32
ps1['g'] = 9
ps1
结果：
a 0
b 1
c 2
d 3
e 4
g 9
dtype: int64
若不想直接操作原对象：
s1 = pd.Series({
'f':999})
ps3 = ps1.append(s1)
ps3
结果：
a 0
b 1
c 2
d 3
e 4
g 9
f 999
dtype: int64
对于dataframe
pd1
结果：
#增加列
pd1[4] = [10,11,12]
pd1
结果：
# 插入
pd1.insert(0,'E',[9,99,999])#在第1列插入
pd1
结果：
增加行
#标签索引loc
pd1.loc['d'] = [1,1,1,1,1]
pd1
结果：
row = {
'E':6,'A':6,'B':6,'C':6,4:6}
pd5 = pd1.append(row,ignore_index=True)
#ignore_index 参数默认值为False，如果为True，会对新生成的dataframe使用新的索引（自动产生），忽略原来数据的索引。
pd5
结果：
3.删
对于series
#del
ps1
结果:
a 0
b 1
c 2
d 3
e 4
g 9
dtype: int64
del ps1['b']
ps1
结果：
a 0
c 2
d 3
e 4
g 9
dtype: int64
对于dataframe
pd1
结果：
del pd1['E']
pd1
结果:
drop函数：删除轴上的数据，默认非原地操作，可通过属性进行修改
#drop 删除轴上数据
#删除一条
ps6 = ps1.drop('g')
ps6
结果：
a 0
c 2
d 3
e 4
dtype: int64
#删除多条
ps1.drop(['c','d'])
结果：
a 0
e 4
g 9
dtype: int64
#dataframe
#删除行
pd1.drop('a')
结果：
pd1.drop(['a','d'])
结果：
#删除列
pd1.drop('A',axis=1) #1列 0 行
结果：
pd1.drop('A',axis='columns')
结果：
#inplace属性 在原对象上删除，并不会返回新的对象
ps1
结果：
a 0
c 2
d 3
e 4
g 9
dtype: int64
ps1.drop('d',inplace=True)
ps1
结果：
a 0
c 2
e 4
g 9
dtype: int64
4.改
ps1 = pd.Series(range(5),index=['a','b','c','d','e'])
print(type(ps1.index))
ps1
结果：
<class 'pandas.core.indexes.base.Index'>
a 0
b 1
c 2
d 3
e 4
dtype: int32
pd1 = pd.DataFrame(np.arange(9).reshape(3,3),index = ['a','b','c'],columns = ['A','B','C'])
pd1
结果：
ps1['a'] = 999
ps1
结果：
a 999
b 1
c 2
d 3
e 4
dtype: int32
ps1[0] = 888
ps1
结果：
a 888
b 1
c 2
d 3
e 4
dtype: int32
对于dataframe操作：
#直接使用索引
pd1['A'] = [9,10,11]
pd1
结果：
# 变成增加列的操作
pd1['a'] = 777
pd1
结果：
#loc 标签索引
pd1.loc['a'] =777#增加索引为a的这一行
pd1
pd1.loc['a','A'] = 1000#修改单个值
pd1
结果：
5.查
对于series
#Series
# 1.行索引
ps1
结果：
a 888
b 1
c 2
d 3
e 4
dtype: int32
print(ps1['a'])
print('='*30)
print(ps1[0])
结果：
888
==============================
888
…请参考series基本操作
对于dataframe
pd1
结果：
#取多列
pd1[['A','C']]
结果：
#选取一个值
pd1['A']['a']
结果：
1000
#2.切片
pd1[:2] #获取行
结果：
…对于截取部分操作请参考loc和iloc
Pandas的对齐运算
是数据清洗的重要过程，可以按索引对齐进行运算，如果没对齐的位置则补NaN，最后也可以填充NaN
import numpy as np
import pandas as pd
1.算术运算符对其
对于series
#Series
s1 = pd.Series(np.arange(4),index = ['a','b','c','d'])
s2 = pd.Series(np.arange(5),index = ['a','c','e','f','g'])
print(s1)
print('='*30)
print(s2)
结果：
a 0
b 1
c 2
d 3
dtype: int32
==============================
a 0
c 1
e 2
f 3
g 4
dtype: int32
print(s1+s2)
结果：
a 0.0
b NaN
c 3.0
d NaN
e NaN
f NaN
g NaN
dtype: float64
对于DataFrame
#DataFrame
df1 = pd.DataFrame(np.arange(12).reshape(4,3),index = ['a','b','c','d'],columns= list('ABC'))
df2 = pd.DataFrame(np.arange(9).reshape(3,3),index = ['a','d','f'],columns= list('ABD'))
print(df1)
print('='*30)
print(df2)
print('='*30)
print(df1+df2)
结果：
A B C
a 0 1 2
b 3 4 5
c 6 7 8
d 9 10 11
==============================
A B D
a 0 1 2
d 3 4 5
f 6 7 8
==============================
A B C D
a 0.0 2.0 NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN
d 12.0 14.0 NaN NaN
f NaN NaN NaN NaN
2.使用填充值的算术方法
s1.add(s2,fill_value =0 )
结果：
a 0.0
b 1.0
c 3.0
d 3.0
e 2.0
f 3.0
g 4.0
dtype: float64
df1.add(df2,fill_value = 0)
结果：
对于二维的来说，两个不存在的值相加还是NaN
df1.rdiv(1) #字母r开头 会翻转参数,等价于1/df1
结果：
3.DataFrame和Series混合运算（广播机制）
对于series
arr = np.arange(12).reshape(3,4)
arr
结果：
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr[0]
结果：
array([0, 1, 2, 3])
arr-arr[0]
结果：
array([[0, 0, 0, 0],
[4, 4, 4, 4],
[8, 8, 8, 8]])
对于df
df1
结果：
s4 = df1['A']
s4
结果：
a 0
b 3
c 6
d 9
Name: A, dtype: int32
df1.sub(s4,axis=0) # == axis=0
结果：
Pandas的函数应用
apply 和 applymap
1. 可直接使用NumPy的函数
示例代码：
# Numpy ufunc 函数
df = pd.DataFrame(np.random.randn(5,4) - 1)
print(df)
print(np.abs(df))
运行结果：
0 1 2 3
0 -0.062413 0.844813 -1.853721 -1.980717
1 -0.539628 -1.975173 -0.856597 -2.612406
2 -1.277081 -1.088457 -0.152189 0.530325
3 -1.356578 -1.996441 0.368822 -2.211478
4 -0.562777 0.518648 -2.007223 0.059411
0 1 2 3
0 0.062413 0.844813 1.853721 1.980717
1 0.539628 1.975173 0.856597 2.612406
2 1.277081 1.088457 0.152189 0.530325
3 1.356578 1.996441 0.368822 2.211478
4 0.562777 0.518648 2.007223 0.059411
2. 通过apply将函数应用到列或行上
示例代码：
# 使用apply应用行或列数据
#f = lambda x : x.max()
print(df.apply(lambda x : x.max()))
结果：
0 -0.062413
1 0.844813
2 0.368822
3 0.530325
dtype: float64
注意指定轴的方向，默认axis=0，方向是列
示例代码：
# 指定轴方向，axis=1，方向是行
print(df.apply(lambda x : x.max(), axis=1))
结果：
0 0.844813
1 -0.539628
2 0.530325
3 0.368822
4 0.518648
dtype: float64
3. 通过applymap将函数应用到每个数据上
示例代码：
# 使用applymap应用到每个数据
f2 = lambda x : '%.2f' % x
print(df.applymap(f2))
结果：
0 1 2 3
0 -0.06 0.84 -1.85 -1.98
1 -0.54 -1.98 -0.86 -2.61
2 -1.28 -1.09 -0.15 0.53
3 -1.36 -2.00 0.37 -2.21
4 -0.56 0.52 -2.01 0.06
排序
1. 索引排序
sort_index()
排序默认使用升序排序，ascending=False 为降序排序
对于series
s1 = pd.Series(np.arange(4),index=list('dbca'))
s1
结果：
d 0
b 1
c 2
a 3
dtype: int32
s1.sort_index() #默认升序
结果：
a 3
b 1
c 2
d 0
dtype: int32
s1.sort_index(ascending = False) #降序
结果：
d 0
c 2
b 1
a 3
dtype: int32
对于dataframe
pd1 = pd.DataFrame(np.arange(12).reshape(4,3),index=list('bdca'),columns = list('BCA'))
pd1
结果：
B C A
b 0 1 2
d 3 4 5
c 6 7 8
a 9 10 11
#按照行排序
pd1.sort_index()
结果：
B C A
a 9 10 11
b 0 1 2
c 6 7 8
d 3 4 5
#按照列排序
pd1.sort_index(axis=1)
结果：
A B C
b 2 0 1
d 5 3 4
c 8 6 7
a 11 9 10
2.按值排序
sort_values(by=‘column name’)
根据某个唯一的列名进行排序，如果有其他相同列名则报错。
对于series
s1['a'] = np.nan
s1
结果：
d 0.0
b 1.0
c 2.0
a NaN
dtype: float64
s1.sort_values() #根据值的大小进行排序，当有缺失值,会默认排最后
结果：
d 0.0
b 1.0
c 2.0
a NaN
dtype: float64
对于dataframe
pd1
结果：
B C A
b 0 1 2
d 3 4 5
c 6 7 8
a 9 10 11
pd1.sort_values(by=['A','B'],ascending=False)#指定多列排序
结果：
B C A
a 9 10 11
c 6 7 8
d 3 4 5
b 0 1 2
pd2.sort_values(by='b') #指定b列排序
结果：
a b c
1 7 -1 6
0 3 1 0
2 9 4 -3
3 0 8 2
3.唯一值和成员属性
s1 = pd.Series([2,6,8,9,8,3,6],index=['a','a','c','c','c','c','c'])
s1
结果：
a 2
a 6
c 8
c 9
c 8
c 3
c 6
dtype: int64
#返回一个series中的唯一值
s2=s1.unique() #返回一个数组
s2
结果：
array([2, 6, 8, 9, 3], dtype=int64)
s1 = pd.Series([2,6,8,9,8,3,6])
s1
结果：
0 2
1 6
2 8
3 9
4 8
5 3
6 6
dtype: int64
#判断多个值是否存在
s1.isin([8,2])
结果：
0 True
1 False
2 True
3 False
4 True
5 False
6 False
dtype: bool
4.处理缺失数据
示例代码：
df_data = pd.DataFrame([np.random.randn(3), [1., 2., np.nan],
[np.nan, 4., np.nan], [1., 2., 3.]])
print(df_data.head())
结果：
0 1 2
0 -0.281885 -0.786572 0.487126
1 1.000000 2.000000 NaN
2 NaN 4.000000 NaN
3 1.000000 2.000000 3.000000
1. 判断是否存在缺失值：isnull()
示例代码：
# isnull
print(df_data.isnull())
结果：
0 1 2
0 False False False
1 False False True
2 True False True
3 False False False
2. 丢弃缺失数据：dropna()
根据axis轴方向，丢弃包含NaN的行或列。 示例代码：
# dropna
print(df_data.dropna())
print(df_data.dropna(axis=1))
结果：
0 1 2
0 -0.281885 -0.786572 0.487126
3 1.000000 2.000000 3.000000
1
0 -0.786572
1 2.000000
2 4.000000
3 2.000000
3.填充缺失数据：fillna()
示例代码：
# fillna
print(df_data.fillna(-100.))
结果：
0 1 2
0 -0.281885 -0.786572 0.487126
1 1.000000 2.000000 -100.000000
2 -100.000000 4.000000 -100.000000
3 1.000000 2.000000 3.000000
层级索引（hierarchical indexing）
下面创建一个Series，
在输入索引Index时，输入了由两个子list组成的list，第一个子list是外层索引，第二个list是内层索引。
示例代码：
import pandas as pd
import numpy as np
ser_obj = pd.Series(np.random.randn(12),index=[
['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'd'],
[0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]
])
print(ser_obj)
结果：
a 0 0.099174
1 -0.310414
2 -0.558047
b 0 1.742445
1 1.152924
2 -0.725332
c 0 -0.150638
1 0.251660
2 0.063387
d 0 1.080605
1 0.567547
2 -0.154148
dtype: float64
MultiIndex索引对象
打印这个Series的索引类型，显示是MultiIndex
直接将索引打印出来，可以看到有lavels,和labels两个信息。levels表示两个层级中分别有那些标签，labels是每个位置分别是什么标签。
示例代码：
print(type(ser_obj.index))
print(ser_obj.index)
运行结果：
<class 'pandas.indexes.multi.MultiIndex'>
MultiIndex(levels=[['a', 'b', 'c', 'd'], [0, 1, 2]],
labels=[[0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]])
选取子集
根据索引获取数据。因为现在有两层索引，当通过外层索引获取数据的时候，可以直接利用外层索引的标签来获取。
当要通过内层索引获取数据的时候，在list中传入两个元素，前者是表示要选取的外层索引，后者表示要选取的内层索引。
1. 外层选取：
ser_obj[‘outer_label’]
示例代码：
# 外层选取
print(ser_obj['c'])
运行结果：
0 -1.362096
1 1.558091
2 -0.452313
dtype: float64
- 内层选取：
ser_obj[:, ‘inner_label’]
示例代码：
# 内层选取
print(ser_obj[:, 2])
运行结果：
a 0.826662
b 0.015426
c -0.452313
d -0.051063
dtype: float64
常用于分组操作、透视表的生成等
交换分层顺序
swaplevel()
swaplevel( )交换内层与外层索引。
示例代码：
print(ser_obj.swaplevel())
运行结果：
0 a 0.099174
1 a -0.310414
2 a -0.558047
0 b 1.742445
1 b 1.152924
2 b -0.725332
0 c -0.150638
1 c 0.251660
2 c 0.063387
0 d 1.080605
1 d 0.567547
2 d -0.154148
dtype: float64
交换并排序分层
sortlevel()
.sortlevel( )先对外层索引进行排序，再对内层索引进行排序，默认是升序。
示例代码：
交换并排序分层
print(ser_obj.swaplevel().sortlevel())
运行结果：
0 a 0.099174
b 1.742445
c -0.150638
d 1.080605
1 a -0.310414
b 1.152924
c 0.251660
d 0.567547
2 a -0.558047
b -0.725332
c 0.063387
d -0.154148
dtype: float64
Pandas统计计算和描述
示例代码：
arr1 = np.random.rand(4,3)
pd1 = pd.DataFrame(arr1,columns=list('ABC'),index=list('abcd'))
f = lambda x: '%.2f'% x
pd2 = pd1.applymap(f).astype(float)
pd2
运行结果：
A B C
a 0.87 0.26 0.67
b 0.69 0.89 0.17
c 0.94 0.33 0.04
d 0.35 0.46 0.29
常用的统计计算
sum, mean, max, min…
axis=0 按列统计，axis=1按行统计
skipna 排除缺失值， 默认为True
示例代码：
pd2.sum() #默认把这一列的Series计算,所有行求和
pd2.sum(axis='columns') #指定求每一行的所有列的和
pd2.idxmax()#查看每一列所有行的最大值所在的标签索引，同样我们也可以通过axis='columns'求每一行所有列的最大值的标签索引
结果：
A 2.85
B 1.94
C 1.17
dtype: float64
a 1.80
b 1.75
c 1.31
d 1.10
dtype: float64
A c
B b
C a
dtype: object
常用的统计描述
示例代码：
pd2.describe()#查看汇总
运行结果：
A B C
count 4.000000 4.00000 4.000000
mean 0.712500 0.48500 0.292500
std 0.263613 0.28243 0.271585
min 0.350000 0.26000 0.040000
25% 0.605000 0.31250 0.137500
50% 0.780000 0.39500 0.230000
75% 0.887500 0.56750 0.385000
max 0.940000 0.89000 0.670000
#百分比:除以原来的量
pd2.pct_change() #查看行的百分比变化，同样指定axis='columns'列与列的百分比变化
A B C
a NaN NaN NaN
b -0.206897 2.423077 -0.746269
c 0.362319 -0.629213 -0.764706
d -0.627660 0.393939 6.250000
常用的统计描述方法：
