winform 统计大量数据重复的元素个数_人生苦短，自学python——pandas的两类数据结构...

江湖上流传着这么一句话——分析不识潘大师(PANDAS)，纵是老手也枉然。在长期的数据分析实战中我将pandas总结为”两类基本数据结构， 四类基础操作，四类难搞数据类型“。用三篇文章来介绍这三大模块，这是系列文章中的第一篇。

两类数据结构

1、Series

可看作是带有索引的一维数组。

(1)创建方式:pd.Series(可迭代对象)

(2)属性：值(value)、索引(index)、名字(name)、类型(dtype)用(.)调用

(3)索引与切片：s["a"],s["a":"c"],s[1],s[1:4]

(4)方法调用：s.mean()/std()/sum()....

2、Dataframe

可看作表格型数据结构，每一列为一个Series格式

(1)创建方法：

a、pd.DataFrame()可传入如下数据结构进行创建：

b、文件读入与写出

读取：

pd.read_csv(文件路径，参数)：将csv文件读为dataframe

pd.read_excel(文件路径，参数)：将.xlsx文件读为dataframe

pd.read_table(文件路径，参数)：将txt文件读为dataframe

pd.read_sql(sql语句，参数)：将数据库表读为dataframe

写入：

dataframe.to_csv(文件路径，参数)：将dataframe存为csv文件

dataframe.to_excel(文件路径，参数)：将dataframe存为excel文件

(2)属性：值(values)、索引(index)、列(columns)、索引名字(index_name)、列名(columns_name)、形状(shape)类型(dtypes)用(.)引用；

dataframe具有索引对齐性，在运算中自动取索引相同的数据进行运算，这是dataframe的一个很重要的特性。

3、常用函数

(1)rename:修改索引名和列名，参数为字典格式，调用实例：

df.rename(index={"a":"b"},columns={"old_col":"new_col"})

(2)drop、del、pop：删除列的函数

将df的列“col1”删除：

del df["列名"]

df.drop("col1",axis=1) or df.drop(columns="col1")

df.pop("col1")删除col1并返回该列的值

(3)to_frame()：将series转为dataframe

(4)head和tail：显示前n行和后n行

(5)unique和nunique：显示所有唯一值和唯一值的个数

(6)duplicated和drop_duplicates:返回是否是重复值和删除重复值

(7) count和value_counts:返回非缺失值的个数和每个元素出现的个数

(8)describe和info：describe默认统计数值型数据的各个统计量【均值、最值、中位数、四分位数】。info函数返回有哪些列、有多少非缺失值、每列的类型

(9)idxmax和nlargest：返回最大值所在的索引和返回前n大的元素值

(10)clip和replace：对超过或者低于某些值的数进行截断和对某些值进行替换

(11)apply和map：一个高级函数，可看作对for循环的高级封装和速度优化，参数可以是映射或者函数，series调用时是对每个元素进行操作，dataframe调用时是对每个列进行操作，需要配合axis参数。map函数是对每个元素进行操作

(12)sort_index和sort_values：按照索引进行排序和按照列【可以是多个列】进行排序