Python数据分析与展示[第三周]（pandas简介与数据创建）

第三周的课程pandas 分析数据

http://pandas.pydata.org

import pandas as pd

常与numpy matplotlib 一块定义

d=pd.Series(range(20))

d.cumsum()

主要提供两个数据类型

Series DataFrame

基于上述数据类型的各类操作

很好的表示和封装

numpy         更关注数据的结构表达 数据之间构成的维度

pandas        基于numpy 实现的扩展库

建立其应用与索引之间的关系

Series 数据和索引  series类型由一组数据与索引构成

a=pd.Series([9,8,7,6])

会自动增加一个索引

沿用numpy中的类型

更强大的索引能力

b=pd.Series=([9,8,7,6],index=['a','b','c','d'])

b

自定义索引的写法 ↑

对于其每一个数据都会关联一个索引（自动生成或者自定义索引）

Series 可以由 python列表 标量值其它函数 python字典 numpy ndarray

这里是Series 的创建

1 标量创建

s=pd.Series(25,index=['a','b','c'])

这里的index=不可省略

2 字典创建

d=pf.Series({"a":9,"b":8,"c":7})

这样的话 key -> index

value ->value

e=pd.Series({'a':9,'b':8,'c':7},index=['c','b','a'])

这里的index制定了形状

e

c 7.0

a 9.0

b.8.0

d Nan

以上的字典构造Series 的两种方式

3 ndarray中创建

n=pd.Series(np.arrange(5))

m=pd.Series(np.arrange(5),index=np.arrange(9,4,-1))

Series 的基本操作

import pandas as pd

b=pd.Series([9,8,7,6],['a','b','c','d'])

b.index

b.values

获得index 和 values

Series = index + ndarray

b[1]

8

b['b']

8

两套索引可以并存，但是不能混用

可以用自定义索引的列表进行切片

可以通过自动索引进行切片

b[3] 第3个

b[:3]  0-3个

Series 类型切出来还是Series 类型

b[b>b.median()]  所有大于元素中位数的项

输出Series类型

是Series 就有index 和 values

对Series的运算都是返回Series

类似字典类型

可以通过自动索引进行切片，而且索引和值会被一同切片

保留字 in

'c' in b   判断c是不是b的索引的一部分(只判断自定义索引，不会判断自动索引)

True

方法 .get()

b.get('f',100) 得到 ‘f’对应的值，没有就返回１００（默认）

Series 的对齐操作

a=pd.Series([1,2,3,],['c','d','e'])

b=pd.Series([9,8,7,6],['a','b','c','d'])

a+b

索引相同的元素相加，索引不同的项不管

有数据+没有值=没有值

这是一个对齐问题（更加精确，更加不容易出错）

对象和索引都可以有一个书名，存储在.name

b.name　　　 对象的名字

b.index.name 索引的名字

Series类型的修改

随时修改并且即刻生效

b['b','c']=20  修改索引为'b'，'c'的元素

基本操作之间存在对齐问题 ， 根据索引对齐

带标签数组的含义就是

DataFrame 类型

是由公用相同索引的一组列组成

index\column axis=1

index_0  data_a ...

index_1  data_b ...

　　　　...

axis=0

表格型的数据类型

常用二维数据

DataFrame的创建

二维nd.array对象

由一维ndarray ,列表，字典，元组，Series 构成的字典

Series 类型

其他的Dataframe创建

import pandas as pd

import numpy as np

d=pd.DataFrame(np.arrange(10).reshape(2,5))

d

　　0 1 2 3 4

0    0 1 2 3 4

1    5 6 7 8 9

使用字典创建 DataFrame

dt={"one":pd.Series([1,2,3],index=['a','b','c']) ,

"two":pd.Series([9,8,7,6],index=['a','b','c','d'])

}

每一个字典键值对，对应一个column

d=pd.DataFrame(dt)

d

　　one two

a    1   9

b    2   8

c    3   7

d   nan 6

有一点点像自动对齐

pd.DataFrame(dt,index=['b','c','d'],column=['two','three'])

这里也同样是指定形状

有一点像自动对齐的规则

　　two three

b    8    nan

c    7    nan

d    6    nan

还可以通过列表类型的字典创建

dl={'one':[1,2,3,4],'two':[9,8,7,6]}

key:List 分别对应两个column ,columnvalues

d=pd.DataFrame(dl,index=['a','b','c','d'])    只指定index

用字典的话column顺序 不一定与字典中相同

d.columns

d.index

返回Series  （index)

d.values

返回ndarray

D['同比']获得其中某一列（column)  Series

d.ix[] 获得其中的某一行(row)         Series

d["同比"][“c2”]  先列(column)后行  奇怪。。（看上面的取值方法）

d.ix['c2'][同比]  这样就先行（row)后列了吧（column)

二维带标签的数组