pandas相关操作

import pandas as pd
import numpy as np
'''
一.创建df
    1.定义df  ：传递字典
    1.1每一列的名称作为键   每个键都有一个数组作为值【key：数组】
    1.2 嵌套字典生成df      一级元素的key作为列名  二级元素的key作为行名
    1.3选择需要的创建df     pd.DataFrame(dict,columns=['key1','key2'])
    1.4指定df的标签（index）pd.DataFrame(dict,columns=['key1','key2']，index = ['one','two',`````])

    2.定义df  ：数据矩阵 + index  + columns
    2.1 直接传入  值 标签  列名    pd.DataFrame(np.arange(16).reshape(4,4),index=['one','two',....],columns=['object','',..])

二.选取元素
    1.取值
    1.1查看  【标签  列名  值 】  frame.index   frame.columns  frame.values
    1.2取一列 frame[['object1','object2']]   frame.object
    1.3取行 frame[1:3]
    1.4取单个值    frame['object'][2]    df----Series-----索引取值

    2.赋值

    2.1 给行列标签命名    frame.index,name = 'id'     frame.columns.name = 'item'
    2.2 添加一列          frame['new'] = 12      翻译为      frame['new'] = [12,12,12,12]
    2.3 修改一列          frame['new'] = Series
    2.4 修改单个值        df --  列series  --  索引      frame['new'][2] = 3

    3. 判断元素是否在df中

    3.1  df = frame.isin([1.0,'pen'])

    4.删除列
    4.1 del frame['new']

    5.筛选
    5.1 全部筛选   frame[frame<12]
    5.2 筛选某一列 frame[frame.new<12]

    6.转置
    frame.T  

三.index对象
    1.确定是否有重复索引    serd.index.is_unique    frame.index.is_unique
    2.对于重复索引     serd['重复索引']  返回一个Series     frame['重复索引']  返回Frame
    3.Series.reindex（[索引数组]，method='ffill'）   frame.reindex（[索引数组]，method='ffill',columns=['','',....]）

    4.删除drop（）  返回【不包括已删除索引及元素的新对象】 ser.drop(['','']）删除多个索引，要用数组输入
    删除行 ：Frame.drop(['','',''])
    删除列 ：Frame.drop(['','','']，axis=1)

    5.元素级  数据对其及运算（加）

    4.1两个series对象   都有的标签，对应数据相加   只有其中一个对象有的index  NaN填充
    4.2两个Frame对象    两个frame都有的index 和 columns  对应元素相加   反之用NaN填充

四.数据结构间的运算
    1.加减乘除（元素级）：【满足广播机制】
    a.add(b)
    sub()
    div()
    mul()

五.函数应用和映射【库函数】
    1.操作元素的函数（通用函数）
        np.sqrt(frame)  ##每个元素的平方根
    2.按行列操作的函数
    f = lambda x:x.max()-x.min（）
    frame.apply(f)           ###按行计算
    frame.apply(f,axis=1)    ###按列运算

    2.1返回多个值
    def f(x):
        return pd.Series([x.max(),x.min(),],index=['min','max'])
    frame.apply(f)

    3.统计函数
    frame.sum()
    frame.mean()
    frame.describe()

    4.排序

    4.1  ser.sort_index()
    4.2  ser.sort_index(axis=1)
    4.3  frame.sort_index()
    4.4  frame.sort_index(axis=1)

    4.4  frame.sort_index(by=['columns1','columns2'])

    5.排位次    rank

    ser.rank()
    ser.rank(mothod=''first)
    ser.rank(ascending=False)

    6.相关性corr() 和 协方差  cov()

    7.NaN数据
    7.1创建np.NaN     pd.series([1,2,3,np.NaN,4],index=[' ',' ',.....])
    7.2过滤NaN        ser.dropna()   ser[ser.notnull()]     frame.dropna()行或列有一个有NaN都会被直接删除
                                                            frame.dropna（how='all'）行列所有元素都为NaN时删除
    7.3为NaN填充值
    frame.fillna(0)  所有NaN填充0
    frame.fillna（{'ball':1,'mug':0,'pen':99}）   不同列的NaN替换成不同的值

    8.等级索引和分级
    8.1 等级索引：
    mser = pd.Series(np.random.rand(8),index=[['white','white','white','blue','blue','red','red','red'],
                                          ['up','down','right','up','down','up','down','left']])
    white  up       0.322237
           down     0.093246
           right    0.181997
    blue   up       0.887448
           down     0.032504
    red    up       0.612139
           down     0.125961
           left     0.030511
    dtype: float64

    print(mser['white'])
    print(mser[:,'up'])

    dtype: float64
    up       0.256720
    down     0.849860
    right    0.581021
    dtype: float64
    white    0.256720
    blue     0.412591
    red      0.893404
    dtype: float64

    print('选取特定元素:',mser['white','up'])
    选取特定元素: 0.9149258487509073

'''
mser = pd.Series(np.random.rand(8),index=[['white','white','white','blue','blue','red','red','red'],
                                          ['up','down','right','up','down','up','down','left']])
print(mser)
print(mser['white'])
print(mser[:,'up'])
print('选取特定元素:',mser['white','up'])
a = mser.unstack()
print('转化成df：\n',a)
'''
转化成df：
down      left     right        up
blue   0.241679       NaN       NaN  0.025439
red    0.225099  0.410451       NaN  0.180735
white  0.266825       NaN  0.536098  0.900275
'''
print('df转化成series：\n',a.stack())
'''
df转化成series：
blue   down     0.241679
       up       0.025439
red    down     0.225099
       left     0.410451
       up       0.180735
white  down     0.266825
       right    0.536098
       up       0.900275
dtype: float64

'''

###行列都定义等级索引
mframe = pd.DataFrame(np.random.randn(16).reshape(4,4),
                      index=[['white','white','red','red'],['up','down','up','down']],
                      columns=[['pen','pen','paper','paper'],[1,2,1,2]])
print(mframe)
'''
                 pen               paper
                   1         2         1         2
white up    1.729195 -0.451135 -0.497403 -0.938851
      down -1.267124  0.422545  0.069564 -0.735792
red   up    0.298684 -0.442771  1.301070  0.234371
      down  2.266180 -0.549653  0.108434 -0.394364
'''

###重新调整顺序和为层级排序
mframe.columns.names=['object','id']   ##列名加分类名
mframe.index.names=['colors','status'] ##行名加分类名
print(mframe)
'''
object              pen               paper
id                    1         2         1         2
colors status
white  up      0.288562 -0.519511  0.516333  0.643500
       down    1.759466 -1.194383 -0.624583  1.027694
red    up      0.425757 -1.028554 -0.660548  1.074917
       down    0.242714 -0.550235 -0.749478 -0.015347

'''
##调整顺序   colors和status列换位置  swaplevel
print(mframe.swaplevel('colors','status'))
'''
object              pen               paper
id                    1         2         1         2
status colors
up     white  -0.937241 -1.051002  0.621721  1.227554
down   white   0.951904  0.585412 -0.315780 -0.336806
up     red    -1.824083  0.284429  0.310883  0.031538
down   red     0.851415  0.598169  1.967784 -0.421712
'''
'