利用python数据分析panda学习笔记之基本功能

1 重新生成索引 如果某个索引值不存在就引入缺失值

 from pandas import Series,DataFrame
 import pandas as pd
 import numpy as np
 obj=Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c'])
 obj

 #重新生成索引
 obj2=obj.reindex(['a','b','c','d','e'])
 obj2

　　a使用method的ffill可以实现前向值填充，效果如下

 #前向填充
 obj3=Series(['blue','purple','yellow'],index=[,,])
 obj3.reindex(range(),method='ffill')

　　b:对于dataframe使用reindex可以同时修改行列索引，如果仅传入一个序列那么如下

 frame=DataFrame(np.arange().reshape((,)),index=['a','c','d'],
                 columns=['ohio','Texas','california'])
 frame

 frame2=frame.reindex(['a','b','c','d'])
 frame2

　　c：使用colunms重新索引列

 states=['Texax','Utah','california']
 frame.reindex(columns=states)

　　d:同时插入行列，但是插值只能按行应用

 #同时对行 列进行重新索引 而插值只能引用到行
 frame.reindex(index=['a','b','c','d'],method='ffill',
               columns=states)

reindex的参数说明如下：

2 丢弃制定轴上的项

　　a:drop方法返回一个指定轴上删除了指定值的新对象，删除列c

 #丢弃指定轴的项
 obj=Series(np.arange(.),index=['a','b','c','d','e'])
 new_obj=obj.drop('c')
 new_obj

　　b：删除两个 b c

obj.drop(['d','c'])

　　c：对于dataframe可以删除任意轴上的索引

 #对于DataFrame可以删除任意轴的索引
 data = DataFrame(np.arange().reshape((,)),
                  index=['ohio','colorado','utah','new york'],
                    columns=['one','two','three','four'])
 #删除两个
 data.drop(['colorado','ohio'])

3 索引，选取和过滤

　　a:Series中的索引类似与Numpy，但是不只是整数，索引字符

 obj=Series(np.arange(.),index=['a','b','c','d'])
 obj['b']#1.0

　　b：按照整数，范围

 obj[]#1.0
 obj[:]#  

　　c：利用标签的切片运算和普通depython切片不同，其包含末端

 obj['b':'c']#b c  

　　d：那么对dataframe进行索引就是获取一个或者多个列勒

 data=DataFrame(np.arange().reshape(,),
            index=['ohio','colorado','mike','jason'],
                  columns=['one','two','three','four'])
 data

　　e：选择一列

data['two']#输出第二列+行号 也就是索引

　　f：选择多列

 data[['three','one']]

　　g：选取行标签前两行

data[:]#选取的是前面两行

　　h：选取第三列大于5的值

data[data['three']>]

　　i：为了能在dataframe的行上进行标签索引引入字段ix

data.ix['colorado',['two','three']]

　　j：选取第4 1 2列 而且行为colorado jason

data.ix[['colorado','jason'],[,,]]

　　k：输出行mike

data.ix[]

DataFrame索引总结

4 算数运算和数据对齐

　　a:Series的加法

 s1=Series([7.3,-2.5,3.4,1.5],index=['a','c','d','e'])
 s2=Series([-2.1,3.6,-1.5,,3.1],index=['a','c','e','f','g'])
3 s1+s2

　　b:对于dataframe，对齐会同时发生在行 列中

df1=DataFrame(np.arange(.).reshape((,)),columns=list('bcd'),
              index=['utah','ohio','colorado'])
df2=DataFrame(np.arange(.).reshape((,)),columns=list('bde'),
              index=['utah','ohio','colorado','oragen'])

df1+df2

------>索引和列都为其并集

　　c：在算术方法中填充值。比如说两个dataframe相加，其中一个不在的时候填充为0

 #算术中进行填充
 df1=DataFrame(np.arange(.).reshape((,)),columns=list('abcd'))
 df2=DataFrame(np.arange(.).reshape((,)),columns=list('abcde'))
 df1+df2

#使用df1的add方法 传入df2以及一个fill_value参数
df1.add(df2,fill_value=)

5 DataFrame和Series之间的运算----->广播，也就是如果第一个数值-1，那么这个列都会减1

　　a：看一看一个二维数组和一行之间的差

arr=np.arange(.).reshape((,))

arr[]

arr-arr[]

　　b:frame和series的运算

frame=DataFrame(np.arange(.).reshape((,)),columns=list('bde'),
                index=['utah','ohio','texas','orogen'])
series=frame.ix[]

frame-series

好了，加油骚年！！！！