pandas：数据分析

一、介绍

pandas是一个强大的Python数据分析的工具包，是基于NumPy构建的。

1.主要功能

具备对其功能的数据结构DataFrame、Series

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

2.安装方法

pip install pandas

3.引用方法

import pandas as pd

二、Series　　

Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。

获取值数组和索引数组：values属性和index属性
Series比较像列表（数组）和字典的结合体。

创建方式：

    pd.Series([4,7,-5,3])

    pd.Series([4,7,-5,3],index=['a','b','c','d'])

    pd.Series({'a':1, 'b':2})

    pd.Series(0, index=['a','b','c','d’])

Series支持字典的特性（标签）：

从字典创建Series：Series(dic),
in运算：’a’ in sr、for x in sr
键索引：sr['a'], sr[['a', 'b', 'd']]
键切片：sr['a':'c']
其他函数：get('a', default=0)等

In [12]: s = pd.Series(0,index=['a','b','c','d'])

In [13]: s.a

Out[13]: 0

In [14]: v = pd.Series({'a':1,'b':2})

In [15]: v.a

Out[15]: 1

In [16]: v.b

Out[16]: 2

In [17]: v[0]

Out[17]: 1

In [18]: s*2

Out[18]:

a    0

b    0

c    0

d    0

dtype: int64

In [19]: v*2

Out[19]:

a    2

b    4

dtype: int64

三、整数索引　

整数索引的pandas对象往往会使新手抓狂。
例：

sr = np.Series(np.arange(4.))
sr[-1]

如果索引是整数类型，则根据整数进行数据操作时总是面向标签的。

loc属性以标签解释
iloc属性以下标解释

四、Series数据对齐

pandas在运算时，会按索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作数索引的并集。

    例：

    sr1 = pd.Series([12,23,34], index=['c','a','d'])

    sr2 = pd.Series([11,20,10], index=['d','c','a',])

    sr1+sr2

    sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])

    sr1+sr3

    如何在两个Series对象相加时将缺失值设为0？

    sr1.add(sr2, fill_value=0)

    灵活的算术方法：add, sub, div, mul

五、Series缺失数据

1、缺失数据：使用NaN（Not a Number）来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。
2、处理缺失数据的相关方法：

dropna() 过滤掉值为NaN的行
fillna() 填充缺失数据
isnull() 返回布尔数组，缺失值对应为True
notnull() 返回布尔数组，缺失值对应为False

3、过滤缺失数据：sr.dropna() 或 sr[data.notnull()]
4、填充缺失数据：fillna(0)

六、DataFrame

DataFrame是一个表格型的数据结构，含有一组有序的列。
DataFrame可以被看做是由Series组成的字典，并且共用一个索引。

创建方式：

pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
……

csv文件读取与写入：

df.read_csv('E:\算法\day110 Numpy、Pandas模块\601318.csv')
df.to_csv()

七、DataFrame查看数据

查看数据常用属性及方法：

        index                    获取索引

        T                        转置

        columns                    获取列索引

        values                    获取值数组

        describe()                获取快速统计

    DataFrame各列name属性：列名

    rename(columns={})

八、DataFrame索引和切片

DataFrame使用索引切片：

方法1：两个中括号，先取列再取行。    df['A'][0]

方法2（推荐）：使用loc/iloc属性，一个中括号，逗号隔开，先取行再取列。

loc属性：解释为标签

iloc属性：解释为下标

向DataFrame对象中写入值时只使用方法2

行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。（注意：两部分都是花式索引时结果可能与预料的不同）

通过标签获取：

    df['A']

    df[['A', 'B']]

    df['A'][0]

    df[0:10][['A', 'C']]

    df.loc[:,['A','B']]  #行是所有的行，列取是A和B的

    df.loc[:,'A':'C']

    df.loc[0,'A']

    df.loc[0:10,['A','C']]

通过位置获取：

    df.iloc[3]

    df.iloc[3,3]

    df.iloc[0:3,4:6]

    df.iloc[1:5,:]

    df.iloc[[1,2,4],[0,3]]、

通过布尔值过滤：

　　df[df['A']>0]

　　df[df['A'].isin([1,3,5])]

　　df[df<0] = 0

九、DataFrame数据对齐与缺失数据

DataFrame对象在运算时，同样会进行数据对齐，行索引与列索引分别对齐。
结果的行索引与列索引分别为两个操作数的行索引与列索引的并集。

DataFrame处理缺失数据的相关方法：

dropna(axis=0,where=‘any’,…) 过滤掉值为NaN的行
fillna() 填充缺失数据
isnull() 返回布尔数组，缺失值对应为True
notnull() 返回布尔数组，缺失值对应为Fals