1.1 pandas库入门 | 铃溪的Blogs

status

type

date

slug

summary

Pandas简介

官网：http://pandas.pydata.org

Pandas是Python第三方库，提供高性能易用数据类型和分析工具。

使用import pandas as pd调用pandas库，Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用。

Pandas库的理解

Pandas库有两个数据类型：Series，DataFrame，Series相当于一个一维的数据类型，DataFrame相当于一个二维到多维的数据类型。

基于这两个数据类型，pandas支持了基本操作、运算操作、特征类操作、关联类操作

NumPy和Pandas的对比：

NumPy	Pandas
基础数据类型	扩展数据类型
关注数据的结构表达	关注数据的应用表达
维度：数据间关系	数据与索引间关系

NumPy过于注重数据的结构化表示，数据的维度，但实际应用中过于注重数据结构不利于数据的使用，Pandas则注重数据使用，拥有非常明确有效的索引，通过索引对数据进行相关的分析和提取。

Pandas库的Series类型

Series类型由一组数据及与之相关的数据索引组成。

Series要求每一个数据都有一个索引，要么由pandas生成自动索引，要么生成自定义索引

Series类型可以由如下类型创建：

Python列表

标量值

Python字典

ndarray数组

其他函数

Series类型的基本操作

Series类型包括index和values两部分，操作类似ndarray和python字典类型。

Series类型的操作类似ndarray类型：

索引方法相同，采用[]

NumPy中运算和操作可用于Series类型

可以通过自定义索引的列表进行切片

可以通过自动索引进行切片，如果存在自定义索引，则一同被切片。

Series类型本身是索引和值组成的类型，对它进行切片和运算都是生成Series类型，如果进行索引则于ndarray一样是数值

Series类型的操作类似Python字典类型

通过自定义索引访问

保留字in操作

使用.get()方法

Series类型对齐操作

Series类型在运算中会自动对齐不同索引的数据

NumPy只关心数据的维度，所以运算是数据的维度之间的运算；Series类型拥有索引，所以关心的是数据基于索引的运算，所以运算的更为精确

Series类型的name属性

Series对象和所以都可以有一个名字，存储在属性.name中

Series类型的修改

Series对象可以随时修改并即刻生效

Series类型总结

Series是一维带“标签”的数组

Series基本操作类似ndarray和字典，根据索引对齐。

Pandas库的DataFrame类型

DataFrame类型是一个：

表格型的数据类型，每列值类型可以不同

它既有行索引、也有列索引，行索引叫index(axis=0),列索引叫column(axis=1)

它常用于表达二维数据，但也可以表达多维数据

DataFrame可以由如下类型创建：

二维ndarray对象

由一维ndarray、列表、字典、元组或Series构成的字典

Series类型

其他DataFrame类型

Pandas库的数据类型操作

要改变（删除，重排，增加）Series和DataFrame对象，我们可以使用如下方法

对于增加或重排：重新索引

删除：drop

重新索引

.reindex()能够改变或重排Series和DataFrame索引

.refindex(index=None,columns=None,...)的参数：

参数	说明
`index,columns`	新的行列自定义索引
`fill_value`	重新索引中，用于填充缺失位置的值
`method`	填充方法，ffill当前值向前填充，bfill向后填充，指定`fill_value`的填充方法是当前位置前面的值填充还是后面的值填充
`limit`	最大填充量
`copy`	默认为True，生成新的对象，False时，新旧相等不复制

索引类型

Series和DataFrame的索引是Index类型，Index对象是不可修改类型

索引类型的常用方法：

方法	说明
`.append(idx)`	链接另一个Index对象，产生新的Index对象
`.diff(idx)`	计算差集，产生新的Index对象
`.intersection(idx)`	计算交集
`.union(idx)`	计算并集
`.delete(loc)`	删除loc位置处的元素
`.insert(loc,e)`	在loc位置增加一个元素e

删除指定索引对象

.drop()能够删除Series和DataFrame指定行或列索引，默认操作0轴元素，因为Series对象只有0轴

Pandas库的数据类型运算

算术运算法则

算术运算根据：

行列索引，补齐后运算，运算默认产生浮点数

补齐时缺项填充NaN（空值）

二维和一维，一维和零维间为广播运算

采用+-*/符号进行的二元运算产生新的对象

四则运算的方法形式：

方法	说明
`.add(d,**argws)`	类型间加法运算，可选参数
`.sub(d,**argws)`	类型间减法运算，可选参数
`.mul(d,**argws)`	类型间乘法运算，可选参数
`.div(d,**argws)`	类型间除法运算，可选参数

fill_value参数替代NaN，替代后参与运算

比较运算法则

比较运算：

只能比较相同索引的元素，不进行补齐

二维和一维、一维和零维间为广播运算

采用> < >= <= == != 等符号进行的二元运算产生布尔对象

比较运算的同维度运算，尺寸要一致，否则报错