pandas

这一块主要用于记录自己利用这段空闲时间，进一步提高自己使用pandas工具的能力，对一些模糊问题进行重新学习及强化。

numpy：处理数值型数据
pandas：还可以处理字符串、时间序列

一、概念问题

二、细节问题

1、pandas的常用数据类型

（1）Series：一维，带标签数组
（2）DataFrame：二维，Series容器

2、Series的用法

1）使用Series创建数组的几种方法

import pandas as pd
# 第一种
a=pd.Series([1,2,3,4,5],index=list('abcde'))

# 第二种
temp_dict={1:'a',2:'b',3:'c',4:'d',5:'e'}
a=pd.Series(temp_dict)

2）更改数组类型

a=pd.Series([1,2,3,4,5])
a.astype('float64')

3）Series切片和索引

tem_dict={'age':30,'name':'xiaohong','tel':10086}
a=pd.Series(tem_dict)
b=a['age']		# 取某个单一的元素
b=a['tel']
b=a[0]
b=a[1]

b=a[[1,2]]		# 取两个元素
b=a[['age','tel']]

a=pd.Series(np.arange(10))
b=a[a>4]		# 布尔索引

Series的索引和值

tem_dict={'age':30,'name':'xiaohong','tel':10086}
a=pd.Series(tem_dict)

print(a.index,type(a.index))	# 类型为Index
print(a.values，type(a.values))	# 类型为numpy.ndarry

Series对象本质上由两个数组组成，一个数组构成对象的键（index，索引），一个数组构成对象的值（values），键 ——>值。

2、DataFrame的用法

df=pd.DataFrame(np.arange(10).reshape((2,5)))
df=pd.DataFrame(np.arange(10).reshape((2,5)),index=list('ab'),columns=list('WXYZU))

DataFrame对象既有行索引，又有列索引。
行索引：表明不同行，横向索引，叫index，0轴，axis=0
列索引：表明不同列，纵向索引，叫columns，1轴，axis=1

1）DataFrame的基础属性

df.shape	# 行数 列数
df.dtypes	# 列数据类型
df.ndim		# 数据维度
df.index 	# 行索引
df.columns	# 列索引
df.values	# 对象值，二维ndarray数组

2）DataFrame的整体情况查询

df.head(3) 	# 显示头部几行，默认5行
df.tail(3) 	# 显示末尾几行，默认5行
df.info() 	# 相关信息概览：行数、列数、列索引、列非空值个数、列类型、内存占用
df.describe() 	# 快速综合统计结果：计数、均值、标准差、最大值、四分位数、最小值

三、新内容新知识

1、pandas读取文件中的数据

df=pd.read_csv(fname)
df=pd.read_excel(fname)
df=pd.read_table(fname)

df=pd.read_sql(sql_sentence,connection)
df=pd.read_html()
df=pd.read_json()
df=pd.read_pickle(fname)

参考文献

1、学习视频
2、pandas.Series用法教程