数据分析三剑客 numpy,oandas,matplotlib(2)

Pandas的数据结构

导入pandas：  
三剑客

import pandas as pd
from pandas import Series,DataFrame
import numpy as np

1、Series

Series是一种类似与一维数组的对象，由下面两个部分组成：

values：一组数据（ndarray类型）
index：相关的数据索引标签

1）Series的创建

两种创建方式：

(1) 由列表或numpy数组创建

默认索引为0到N-1的整数型索引

#使用列表创建Series
Series(data=[1,2,3,4,5])

0    1
1    2
2    3
3    4
4    5
dtype: int64

#使用numpy创建Series
Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo')

a     3
d    22
f    35
g    19
t    21
Name: bobo, dtype: int32

还可以通过设置index参数指定索引

(2) 由字典创建:不能在使用index.但是依然存在默认索引

注意：数据源必须为一维数据

dic = {
    '语文':100,
    '英语':99
}
s = Series(data=dic)
s

语文    100
英语     99
dtype: int64

2）Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。

(1) 显式索引：

- 使用index中的元素作为索引值
- 使用s.loc[]（推荐）:注意，loc中括号中放置的一定是显示索引

注意，此时是闭区间

s.iloc[1]

99

(2) 隐式索引：

- 使用整数作为索引值
- 使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引

注意，此时是半开区间

切片:隐式索引切片和显示索引切片

• 显示索引切片:index和loc

s.iloc[0:2]

语文    100
英语     99
dtype: int64

隐式索引切片：整数索引值和iloc

3）Series的基本概念

可以把Series看成一个定长的有序字典

向Series增加一行：相当于给字典增加一组键值对

可以通过shape，size，index,values等得到series的属性

s.index
Index(['语文', '英语'], dtype='object')

s.values
array([100,  99], dtype=int64)

可以使用s.head(),tail()分别查看前n个和后n个值

s.head(1)

语文    100
dtype: int64

去重

对Series元素进行去重

s = Series(data=[1,1,2,2,3,3,4,4,4,4,4,5,6,7,55,55,44])
s.unique()

array([ 1,  2,  3,  4,  5,  6,  7, 55, 44], dtype=int64)

当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况

使得两个Series进行相加:索引与之对应的元素会进行算数运算,不对应的就补空

s1 = Series([1,2,3,4,5],index=['a','b','c','d','e'])
s2 = Series([1,2,3,4,5],index=['a','b','f','c','e'])
s = s1+s2
s

a     2.0
b     4.0
c     7.0
d     NaN
e    10.0
f     NaN
dtype: float64

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

s.notnull()

a     True
b     True
c     True
d    False
e     True
f    False
dtype: bool

s[s.notnull()]

a     2.0
b     4.0
c     7.0
e    10.0
dtype: float64

4）Series的运算

1) + - * /

(2) add() sub() mul() div() : s1.add(s2,fill_value=0)
s1.add(s2)

a     2.0
b     4.0
c     7.0
d     NaN
e    10.0
f     NaN
dtype: float64

(3) Series之间的运算

• 在运算中自动对齐不同索引的数据
• 如果索引不对应，则补NaN

2、DataFrame

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

行索引：index
列索引：columns
值：values

1）DataFrame的创建

最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

此外，DataFrame会自动加上每一行的索引。

使用字典创建的DataFrame后，则columns参数将不可被使用。

同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

• 使用ndarray创建DataFrame

DataFrame(data=np.random.randint(0,100,size=(5,6)))

    0    1    2    3    4    5
0    32    93    0    23    21    40
1    27    35    9    76    41    68
2    63    96    63    30    96    51
3    2    50    28    26    26    41
4    32    74    97    84    56    7

DataFrame属性：values、columns、index、shape

df.values
array([[77, 67],
       [88, 88],
       [99, 99],
       [90, 78]], dtype=int64)

df.index
Index(['语文', '数学', '英语', '理综'], dtype='object')

使用ndarray创建DataFrame：创建一个表格用于展示张三，李四，王五的java，python的成绩
dic = {
    '张三':[77,88,99,90],
    '李四':[67,88,99,78]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df

    张三    李四
语文    77    67
数学    88    88
英语    99    99
理综    90    78

2）DataFrame的索引

(1) 对列进行索引

- 通过类似字典的方式  df['q']
- 通过属性的方式     df.q

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。

df

张三    李四
语文    77    67
数学    88    88
英语    99    99
理综    90    78

df['张三']

语文    77
数学    88
英语    99
理综    90
Name: 张三, dtype: int64

df.张三

语文    77
数学    88
英语    99
理综    90
Name: 张三, dtype: int64

df[['李四','张三']]

    李四    张三
语文    67    77
数学    88    88
英语    99    99
理综    78    90

#修改列索引
df.columns = ['zhangsan','lisi']
df

zhangsan    lisi
语文    77    67
数学    88    88
英语    99    99
理综    90    78

(2) 对行进行索引

- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引

同样返回一个Series，index为原来的columns。

df.iloc[[0,1]]

zhangsan    lisi
语文    77    67
数学    88    88

(3) 对元素索引的方法

- 使用列索引
- 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前，列索引在后

df.iloc[0,1]
67

切片：

注意】 直接用中括号时：

• 索引表示的是列索引
• 切片表示的是行切片

df[0:2]

zhangsan    lisi
语文    77    67
数学    88    88

在loc和iloc中使用切片(切列) ： df.loc['B':'C','丙':'丁']

df.iloc[:,0:1]

zhangsan
语文    77
数学    88
英语    99
理综    90

3）DataFrame的运算

（1） DataFrame之间的运算

同Series一样：

• 在运算中自动对齐不同索引的数据
• 如果索引不对应，则补NaN

练习6：

假设ddd是期中考试成绩，ddd2是期末考试成绩，请自由创建ddd2，并将其与ddd相加，求期中期末平均值。

假设张三期中考试数学被发现作弊，要记为0分，如何实现？

李四因为举报张三作弊立功，期中考试所有科目加100分，如何实现？

后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现？

df 

    zhangsan    lisi
语文    87    177
数学    10    198
英语    109    209
理综    100    188

df.loc['数学','zhangsan'] = 0

df['lisi'] += 100

df += 10

(df+df)/2

    zhangsan    lisi
语文    77    67
数学    88    88
英语    99    99
理综    90    78