Python之Pandas库常用函数大全（含注释）

前言：本博文摘抄自中国慕课大学上的课程《Python数据分析与展示》，推荐刚入门的同学去学习，这是非常好的入门视频。

继续一个新的库，Pandas库。Pandas库围绕Series类型和DataFrame类型这两种数据结构，提供了一种高效便捷的数据处理方式。

- Series 类型创建

Series类型是一组数据及与之相关的数据索引组成

自动索引：

a = pd.Series([9, 8, 7, 6]) 构造一个Series对象a

自定义索引：

a = pd.Series([9, 8, 7, 6], index = [‘a’, ‘b’, ‘c’, ‘d’])

- 从标量值创建：

s = pd.Series(25, index = [‘a’, ‘b’, ‘c’])

- 从字典类型创建：

键值对中的键是索引

d = pd.Series({‘a’:9, ‘b’:8, ‘c’:7})

从ndarray类型创建：
Series类型基本操作
,index 获得索引 .values 获得数据

Series类型会自动生成默认索引，当自动索引和自定义索引并存，全当自定义索引。

只索引，得到值。做切片，得到还是Series类型数据。

in ：判断“键”是否在字段中返回 True / False

b.get(‘f’, 100) 获取b的索引为‘f’的数据，若不存在，返回100

Series类型对齐操作

索引一致的，对应元素相加，无一致的索引，数据为NaN

Series类型的name属性

- DataFrame类型创建

DataFrame是表格型类，可理解为二维代表签数据类型，其由共用相同索引的一组列组成： index（axis=0），colum（axis=1）

从ndarray创建DataFrame类型

d= pd.DataFrame(np.arange(10).reshape(2,5))

从字典创建DataFrame类型

字典中的键，默认为列索引；

只选取字典中有的索引所对应的值，没有的自动补齐

从列表创建DataFrame类型

d[‘one’] 获得新的DataFrame类型

d.ix[‘b’] 获得d的 b这一列

d[‘one’][‘b’] 获得数据 2 注意：必须先[‘one’]后[‘b’]，先列后行

- Pandas数据类型操作

重新索引

reindex(index=None, columns=None,…)方法可改变或重排Series和DataFrame索引

reindex(index=None, columns=None,…)

index, colums 新的行列自定义索引

fill_value 在重新索引，用于填充缺失位置的值

method 填充方法，ffill当前值向前填充， bfill向后填充

limit 最大填充量

copy 默认为True，生成新的对象，False时，新旧相等，但不复制

d.reindex(index = [‘d’, ‘c’, ‘b’, ‘a’ ])

d.reindex(colums = [‘two’, ‘one’])

newc = d.colums.insert( 4, ‘新增’) newc为一个colums

- 索引类型常用方法

.append(idx) 连接另外一个Index对象，产生新的Index对象

.diff(idx) 计算差集，产生新的Index对象

.intersection（idx）计算交集，产生新对象

.union（idx）计算并集

.delete（loc）删除loc位置处的元素

.insert（loc, e）在loc位置增加一各元素e

删除指定索引对象

.drop()可删除Series或DataFrame制定的行或列

d.drop([‘c1’, ‘c2’]) # 此处生成新对象，原对象d不改变

d.drop(‘one’,axis=1) 要删除列，需要加上axis = 1.

Pandas库数据类型运算

算术运算法则

根据行列索引进行运算，补齐（NaN）后运算，运算默认产生浮点数

二维和一维、一维和零维时，采用广播运算，即低的于高的每一维运算

算术运算方法形式的运算

.add(d, **argws) .sub(d, **argws) .mul(d, **argws) .div(d, **argws)

**argws为可选参数：

fill_value，补齐时填充的值；

广播运算时，一维的列默认作用到二维的行（axis=1），要更改到列，则需要增加参数

a.add(b, axis=0 )

比较运算

同维度需要有相同的shape

不同维度时，默认为在1轴运算

- 数据排序

.sort_index()方法在指定轴上根据索引进行排序，默认升序。

.sort_index（axis=0,ascending = True） ascending是指递增排序

.sort_values()方法在指定轴上根据数值进行排序，默认升序。

Serier.sort_values(axis= 0, ascending=True)

DataFrame.sort_values(by, axis = 0, ascending = True)

by: 只对axis轴上的某个索引或索引列表进行排序

NaN空值，保持在排序末尾

- Pandas统计分析函数

.sum() 计算数据总和，按0轴计算

.count() 非NaN值的数量

.mean() .median() 计算算术平均值、算术中位数

.var() .var() 计算方差、标准差

.min() .max 计算最小、大值

.argmin() .argmax() 计算最大、小值所在位置的索引（针对自动索引的）（适用于Series类型：）

.idxmin() .idxmax() 计算最大、小值所在位置的索引（针对自定义索引的）（适用于Series类型：）

.describe() 针对0轴（各列）的统计汇总

- 数据的相关性

.cov() 计算协方差矩阵

.corr() 计算相关系数矩阵