Pandas的基本功能

1：reindex，其作用是创建一个适应新索引的新对象；drop 丢弃指定轴上的项

#调用Series的reindex将会根据新索引进行重排，如果索引值当前不存在，则引入缺失值NaN,但是可以用fill_value来进行填充
obj=Series([4.5,7.2,-5.3,-3.6],index=['b','a','d','c'])
obj2=obj.reindex(['a','b','c','m','d'],fill_value=10.0)
print(obj2)
#对于类似于时间序列这种有序排列的数据，重新索引可能需要做一些差值操作
obj3=Series(['aaa',2012,'ccc'],index=[0,3,5])
obj4=obj3.reindex(range(6),method='ffill')
obj5=obj3.reindex(range(6),method='backfill')
print(obj4)
print(obj5)

#丢弃指定轴上的项,对于DataFrame,可以删除任意轴上的索引值;(numpy.reshape（重塑）给数组一个新的形状而不改变其数据),axis=0代表的是行，axis=1代表的是列，删除行的时候可以不加axis=0，因为其是索引，删除列的时候必须加axis=1
data_test1 =DataFrame(np.arange(16).reshape((4,4)),index=['a','b','c','d'],columns=['one','two','three','four'])
print(data_test1)
data_test2=data_test1.drop(['a','b'],axis=0)
print(data_test2)
data_test3=data_test1.drop('two',axis=1)
print(data_test3)

2：算术运算和数据对齐

     Pandas 最重要的一个功能是：它可以对不同索引的对象进行算术运算，在将对象相加时，如果存在不同的索引时，则结果的索引就是该索引对的并集，其索引和列为原来两个DataFrame的并集；

     两个DataFrame相加除了A+B 之后可以用add方法，并可以将缺失值进行填充 fill_value；

     add 用于加法，sub用于减法，div用于除法，mul用于乘法；

#对于DataFrame，对齐操作会同时发生在行和列上：
df1 = DataFrame(np.arange(9).reshape((3,3)),columns=list('bcd'),index=['aa','bb','cc'])
df2 = DataFrame(np.arange(12).reshape((4,3)),columns=list('bde'),index=['ee','aa','bb','cc'])
print(df1)
print(df2)
print(df1+df2)
#两个DataFrame相加除了A+B 之后可以用add方法，并可以将缺失值进行填充
df3 = df1.add(df2,fill_value=0)
print(df3)
#与此类似，在对Series或DataFrame重新索引时，也可以指定一个填充值
df4 = df1.reindex(columns=df2.columns,fill_value=0)
print(df4)

3：DataFrame和Series之间的运算

#DataFrame和Series之间的运算，DataFrame和Series之间的算术会将Series的索引匹配到DataFrame的列，然后沿着行一直向下广播,如果索引值在DataFrame的列或Series的索引中找不到，则参与运算的两个对象就会被重新索引形成并集
df1 = DataFrame(np.arange(12.).reshape((4,3)),columns=list('bde'),index=['aaa','bbb','ccc','ddd'])
ser3 = df1['d']
df2 = df1.sub(ser3,axis =0)
print(df2)

4：函数应用和映射

#NumPy的ufuncs(元素级数组方法)，也可用于操作Pandas对象,
#numpy.random.rand(d0,d1,…,dn),rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1,dn表格每个维度, 返回值为指定维度的array
df1 = DataFrame(np.random.randn(4,3),columns=list('bde'),index=['aaa','bbb','ccc','ddd'])
print(df1)
#numpy.random.randn(d0,d1,…,dn),randn函数返回一个或一组样本，具有标准正态分布。dn表格每个维度,返回值为指定维度的array, 标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。
df2 = DataFrame(np.random.randn(4,3),columns=list('bde'),index=['aaa','bbb','ccc','ddd'])
print(df2)
#取绝对值的方法 np.abs(df1)
df3 = np.abs(df1)
print(df3)
#将函数应用到由各列或行所形成的一维数组上，DataFrame的apply方法即可实现此功能,
# lambda 的用法，
# func = lambda x:x.max() -x.min()
# def func(x)
#     return x.max() -x.min()
f = lambda x:x.max() -x.min()
print(df1.apply(f))
print(df1.apply(f,axis=1))

5：排序和排名

#排序和排名
#根据条件对数据集排序（sorting）也是一种重要的内置运算，要对行或列索引进行排序，可使用sort_index方法,axis=0代表的是行，axis=1代表的是列
df1 = DataFrame(np.random.rand(4,4),columns=list('adcf'),index=[2015,2020,2010,2005])
print(df1)
#              a         d         c         f
# 2015  0.421711  0.504037  0.658166  0.644887
# 2020  0.132616  0.971672  0.142527  0.669989
# 2010  0.327697  0.553400  0.099682  0.497841
# 2005  0.384310  0.012906  0.331220  0.519587
df2 = df1.sort_index(axis=0)
print(df2)
#              a         d         c         f
# 2005  0.384310  0.012906  0.331220  0.519587
# 2010  0.327697  0.553400  0.099682  0.497841
# 2015  0.421711  0.504037  0.658166  0.644887
# 2020  0.132616  0.971672  0.142527  0.669989
df3 = df1.sort_index(axis=0,ascending=False)
print(df3)
#              a         d         c         f
# 2020  0.132616  0.971672  0.142527  0.669989
# 2015  0.421711  0.504037  0.658166  0.644887
# 2010  0.327697  0.553400  0.099682  0.497841
# 2005  0.384310  0.012906  0.331220  0.519587
df4 = df1.sort_index(axis=1)
print(df4)
#              a         c         d         f
# 2015  0.421711  0.658166  0.504037  0.644887
# 2020  0.132616  0.142527  0.971672  0.669989
# 2010  0.327697  0.099682  0.553400  0.497841
# 2005  0.384310  0.331220  0.012906  0.519587

#如果箱根据一个或多个列中的值进行排序，将一个或多个列的名字传递给by选项即可达到该目的,也可以根据多个列进行排序，排序方式按照先后顺序进行排序
df5 = df1.sort_index(by = ['a','d'])
print(df5)
#              a         d         c         f
# 2005  0.032102  0.435863  0.737985  0.063240
# 2010  0.457912  0.001250  0.523532  0.596016
# 2015  0.743695  0.140491  0.032205  0.140927
# 2020  0.929999  0.724933  0.470512  0.022944
#排名（ranking）,rank是通过“为各组分配一个平均排名”的方式破坏平级关系的
obj = Series([7,-5,7,4,5,0])
print(obj.rank())
#解释下：rank表示在这个数在原来的series中排第几名，由相同的数取其平均作为默认值
# 0    5.5
# 1    1.0
# 2    5.5
# 3    3.0
# 4    4.0
# 5    2.0
# dtype: float64
print(obj.rank(ascending=False,method='first'))
# 0    1.0
# 1    6.0
# 2    2.0
# 3    4.0
# 4    3.0
# 5    5.0
# dtype: float64
#排名时用于破坏平级关系的method选项
# ‘average’ 默认：在相等分组中，为各个值分配平均排名
# ‘min’使用整个分组的最小排名
# ‘max’使用整个分组的最大排名
# ‘first’按值在原始数据中的出现顺序分配排名