数据分析 大数据之路 五 pandas 报表

pandas:  在内存中或对象，会有一套基于对象属性的方法，   可以视为 pandas 是一个存储一维表，二维表，三维表的工具，

主要以二维表为主

一维的表，　　　　　　（系列(Series)）

二维的表，DataFrame， 也叫报表

三维的表，（面板(Panel)）

文本格式 ：

CSV 以文本方式存储，  item 之间用逗号分割，记录与记录之间以回车分开 , 可以用 excel 方式打开

json 格式 , 以 key ，value 方式存储

import numpy as np
import pandas as pd

# data 里的 key 可以看成是表头，
data = {
    'animal   ': ['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
    'age      ': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
    'visits'   : [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
    'priority' : ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']
    }

# 给每一条记录起个别名
labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']

df = pd.DataFrame(data, index=labels)
print(df)

   age animal priority  visits
a  2.5    cat      yes       1
b  3.0    cat      yes       3
c  0.5  snake       no       2
d  NaN    dog      yes       3
e  5.0    dog       no       2
f  2.0    cat       no       3
g  4.5  snake       no       1
h  NaN    cat      yes       1
i  7.0    dog       no       2
j  3.0    dog       no       1

　　df.head() ，  head() 默认输出前 5 条记录

　　df [1:5]  也可以通过切片方式操作 （行索引）

　　df [['age', 'animal']] （列索引）

　　 df.iloc[0:3, 0:3]   指定行，列输出

   age       animal    priority
a        2.5       cat      yes
b        3.0       cat      yes
c        0.5     snake       no

　　

缺失数据/异常数据处理
Ø 找到缺失值
df[df['age'].isnull()]

填充缺失值
df['age'].fillna(0, inplace=True)

将字符值替换成布尔值
df['priority'] = df['priority'].map({'yes': True, 'no': False})

2.4 可