Pandas的数据结构

导入pandas：

三剑客

from pandas import Series,DataFrame

import pandas as pd

import numpy as np

1、Series

Series是一种类似与一维数组的对象，由下面两个部分组成：

values：一组数据（ndarray类型）
index：相关的数据索引标签

1）Series的创建

两种创建方式：

(1) 由列表或numpy数组创建

默认索引为0到N-1的整数型索引

#使用列表创建Series

s = Series(data=[1,   2,3],index=['a','b','c'])

s

#使用numpy创建Series

s1 = Series(data=np.random.randint(0,100,size=(3,)))

s1

# 通过字典创建

dic = {

    'math':100,

    'English':88

}

s2 = Series(data=dic)

还可以通过设置index参数指定索引

s.index

# Index(['a', 'b', 'c'], dtype='object')

s.values

# array([1, 2, 3], dtype=int64)

由字典创建:不能在使用index.但是依然存在默认索引

2）Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。

(1) 显式索引：

使用index中的元素作为索引值
使用s.loc[]（推荐）: 注意，loc中括号中放置的一定是显示索引

注意，此时是闭区间

s2[0]

s2['math']

s2.loc['math']

(2) 隐式索引：

使用整数作为索引值
使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引

注意，此时是半开区间

s2.iloc[1]

s2[1]

切片:隐式索引切片和显示索引切片

显示索引切片:index和loc

s2.iloc[0:1]

# English    88

# dtype: int64

3）Series的基本概念

可以把Series看成一个定长的有序字典

向Series增加一行：相当于给字典增加一组键值对

s2['chinese'] = 100

s2

可以使用s.head(),tail()分别查看前n个和后n个值
```
s2.head(2)
```
对Series元素进行去重unique()

s = Series([1,1,2,2,3,3,3,3,3,4,5,6,5,5,3,5,1])

s.unique()

当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况
使得两个Series进行相加

s1 = Series(data=[1,2,3,4,5],index=['A','B','C','D','E'])

s2 = Series(data=[1,2,3,4,5],index=['A','B','C','F','E'])

s = s1+s2

s

# A     2.0

# B     4.0

# C     6.0

# D     NaN

# E    10.0

# F     NaN

# dtype: float64

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

s.notnull()

s[['A','B','C']]

s[[True,False,True,True,True,False]]

s[s.notnull()]

4）Series的运算

(1) + - * /

(2) add() sub() mul() div() : s1.add(s2,fill_value=0)

s1.add(s2)

(3) Series之间的运算

在运算中自动对齐不同索引的数据
如果索引不对应，则补NaN

2、DataFrame

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

行索引：index
列索引：columns
值：values

1）DataFrame的创建

最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

此外，DataFrame会自动加上每一行的索引。

使用字典创建的DataFrame后，则columns参数将不可被使用。

同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

使用ndarray创建DataFrame

df = DataFrame(data=np.random.randint(60,120,size=(5,5)),index=['a','d','f','g','h'])

df

DataFrame属性：values、columns、index、shape

df.shape # (5, 5)

df.values

# array([[ 71, 109,  90, 112,  93],

#       [ 96,  81,  68,  92, 115],

#       [ 75,  91,  74,  79,  64],

#       [ 77, 112,  76,  92, 114],

 #      [ 89,  76, 117,  77,  95]])

df.index  # Index(['a', 'd', 'f', 'g', 'h'], dtype='object')

df.columns  # RangeIndex(start=0, stop=5, step=1)

使用ndarray创建DataFrame：创建一个表格用于展示张三，李四，王五的java，python的成绩

dic = {

    '张三':[150,150,150,150],

    '李四':[0,0,0,0]

}

df = DataFrame(data=dic,index=['语文','数学','英语','理综'])

df

2）DataFrame的索引

(1) 对列进行索引

通过类似字典的方式 df['q']
通过属性的方式 df.q

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

df['张三']

df.张三

df[['李四','张三']]

#修改列索引

df.columns = ['zhangsan','lisi']

df

(2) 对行进行索引

使用.loc[]加index来进行行索引
使用.iloc[]加整数来进行行索引

同样返回一个Series，index为原来的columns。

df.loc['语文']

df.iloc[0]

#zhangsan    150

#lisi          0

#Name: 语文, dtype: int64

(3) 对元素索引的方法

使用列索引
使用行索引(iloc[3,1] or loc['C','q']) 行索引在前，列索引在后

df.loc['英语','zhangsan']

# 150

切片：

【注意】直接用中括号时：

索引表示的是列索引
切片表示的是行切片

在loc和iloc中使用切片(切列) ： df.loc['B':'C','丙':'丁']

# 且行

df.iloc[0:2]

df[0:2]

#切列

df.iloc[:,0:2]

3）DataFrame的运算

（1） DataFrame之间的运算

同Series一样：

在运算中自动对齐不同索引的数据
如果索引不对应，则补NaN

创建DataFrame df1 不同人员的各科目成绩，月考一

创建DataFrame df2 不同人员的各科目成绩，月考二

有新学生转入

============================================

练习6：

假设ddd是期中考试成绩，ddd2是期末考试成绩，请自由创建ddd2，并将其与ddd相加，求期中期末平均值。
假设张三期中考试数学被发现作弊，要记为0分，如何实现？
李四因为举报张三作弊立功，期中考试所有科目加100分，如何实现？
后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现？

============================================

回顾：

DF：表格型的数据结构
index col value
DF就是由Series组成
索引：
- 取列：df['col'],df[[c1,c2]]
- 取行：df.loc[index] df.loc[[i1,i2]]
- 取元素：df.loc[index,col]
切片：
- 切行：df[index1:index2]
- 切列：df.loc[:,c1:c2]