Pandas 统计分析基础----教材知识（1）

目录

Pandas中的结构数据

Series

DataFrame

Pandas中的结构数据

pandas的三种常用数据结构

		说明
Series	类似数组	一种一维数组对象，包含一个值序列，并且包含数据标签，称为索引(index)，通过索引来访问数组中的数据。
DataFrame	类似表格	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(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引，它可以被看作由Series组成的字典(共用同一个索引)。跟其他类似的数据结构相比(如R的data.frame)，DataFrame中面向行和面向列的操作基本上是平衡的。 构建DataFrame的方式有很多，最常用的是直接传入一个由等长列表或NumPy数组组成的字典来形成DataFrame。
Panel	可视为Excel的多表单

Series

功能	示例代码	说明（运行结果）
创建	obj = pd.Series([1,-2,3,-4])
指定索引	obj1 = pd.Series(obj,index = i,name = "col")	index每行为索引名 name是对该数组命名
位置与标签使用	obj = pd.Series([1,-2,3,-4]) print(obj[0],obj.index)
字典创建	sdata = ('a':0,'b':1,'c':2) obj2 = pd.Series(sdata)
字典键值与索引不匹配	letter = ['a','b','c','d'] obj3 = pd.Series(sdata,index = letter)	输出中d的键值为NaN
自动对齐不同索引数据	sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Útah': 5000] obj1 = pd.Series(sdata) states = ['California', 'Ohio', 'Oregon', 'Texas'] obj2 = pd.Series(sdata, index= states) print(obj1+obj2)	California NaN Ohio 70000.0 Oregon 32000.0 Texas 142000.0 Utah NaN dtype: float64
索引修改	obj.index = ['aa','bb','cc','dd']

DataFrame

功能	示例代码	说明
创建	data = {     'name':['张三','李四','王五','小明'],     'sex':['female','female','male','male'],     'year':[2001,2001,2003,2002],     'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data)
指定+自动索引	df1 = pd.DataFrame(data,columns = ['name','sex','year','city'])
自动补空缺值为NaN	df1 = pd.DataFrame(data,columns = ['name','sex','year','city','address'])
指定列名	df1 = pd.DataFrame(data,columns = ['name','sex','year','city']， index = ['a,'b','c','d'])
显示索引与列	print(df1.index) print(df1.columns)
查找	print('name' in df1.columns) print('a' in df1.index)	ture ture

Index 的常用方法与属性

Index 的常用方法与属性

方法	属性
append	连接另一个Index对象，产生一个新的Index
diff	计算差集，并得到一个Index
intersection	计算差集，并得到一个Index
union	计算并集
isin	计算一个指示各值是否都包含在参数集合中的布尔型数组
delete	删除索引i处的元素，并得到新的Index
drop	删除传入的值，并得到新的Index
insert	将元素插入索引i处，并得到新的Index
is_monotonic	当各元素均大于或等于前一个元素时，返回True
is.unique	当Index没有重复值时，返回True
unique	计算 Index中唯一值的数组

索引值的插入：df1.index.insert(1,'w')         在0和1位置间插入w

DataFrame 的常用属性

DataFrame的基础属性有values、index、columns、dtypes、ndim和shape，分别可以获取DataFrame的元素、索引、列名、类型、维度和形状。