Python笔记：pandas之基础概念与Series、DataFrame的创建

pandas是什么

　　一个使数据清洗和分析工作变得更快更简单的数据结构和操作工具。

　　pandas是基于numpy数组构建的。

pandas的安装

pip install pandas

pandas的导入

import pandas as pd

from pandas import Series, DataFrame

pandas的数据结构

Series

Series是一种类似于一维数组的对象，它由一组数据以及一组与之相关的数据标签（即索引）组成。

Series的字符串表现形式为：索引在左边，值在右边。

如果没有为数据指定索引，Series会自动创建一个0到N-1（N为数据的长度）的整数型索引。

可以通过Series的index和values属性获取其数组表示形式和索引对象。

通过参数关键词index自定义索引，但长度要和数组的长度一致：

通过index方法修改索引：

通过索引的方式选取Series中的单个或一组值：

可以使用numpy函数或类似numpy的运算，而且会保留索引值的链接

还可以将Series看成是一个长度固定的有序字典，因为它是索引值到数据值的一个映射。

它可以用在许多原本需要字典参数的函数中。

如果数据被保存在一个Python字典中，也可以直接通过这个字典来创建Series，如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列），可以通过参数关键词index传入排好序的字典的键以改变顺序。

#以下三个方法可以检测缺失数据
pd.isnull(ser)
pd.notnull(ser)
ser.isnull()

对于许多应用而言，Series最重要的一个功能是，它会根据运算的索引标签自动对齐数据。

Series对象本身及其索引都有⼀个name属性，该属性跟pandas其他的关键功能关系⾮常密切：

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。

DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引）。

DataFrame中的数据是以一个或多个二维块存放的（而不列表、字典或别的一维数据结构）。

创建DataFrame的方法有很多，最常用的一种是直接传入一个由等长列表或Numpy数组组成的字典：

结果DataFrame会自动加上索引，且全部列会被有序排列。

对于特别大的DataFrame，可以使用head方法选取前五行：

frame.head()

通过关键字参数指定列的顺序，如果传入的列在数据中找不到，就会在结果中产生缺失值：

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series：

列的值可以通过赋值的方式进行修改：

将列表或数组赋值给某个列时，其长度必须与DataFrame的长度一致，如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值。

为不存在的列赋值会创建出新的列。

关键字del用于删除列：

del frame['address']

使用嵌套字典创建DataFrame，嵌套字典外层的键作为列，内层键则作为行索引：

使用方法T对DataFrame进行转置（交换行与列）：

frame.T

DataFrame构造函数所能接受的各种数据：

　　二维ndarray

　　由数组、列表或元组组成的字典

　　Numpy的结构化/记录数组

　　由Series组成的字典

　　由字典组成的字典

　　字典或Series的列表

　　由列表或元组组成的列表

　　另一个DataFrame

　　Numpy的MaskedArry

如果设置了DataFrame的index和columns的name属性，则这些信息也会被显示出来。

和Series一样，values属性也会以二维ndarray的形式返回DataFrame中的数据。