pandas是基于NumPy数组构建的,特别是基于数组的函数和不使用for循环的数据处理。虽然pandas采用了大量的NumPy编码风格,但二者最大的不同是pandas是专门为处理表格和混杂数据设计的。而NumPy更适合处理统一的数值数组数据。

    要使用pandas,你首先就得熟悉它的两个主要数据结构:Series和DataFrame。虽然它们并不能解决所有问题,但它们为大多数应用提供了一种可靠的、易于使用的基础。

一、Series

    Series是一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据即可产生最简单的Series:

import pandas as pd
obj = pd.Series([7,-2,3,4])
print(obj)

索引  值

  0    7
  1   -2
  2    3
  3    4

Series默认索引是0至N-1,也可以指定索引值,方法如下:

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])

如果数据被存放在一个Python字典中,也可以直接通过这个字典来创建Series:

sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
obj3 = pd.Series(sdata)

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

print(obj.values)
print(obj.index)

可以通过索引的方式选取Series中的单个或一组值:

obj2['a']
obj2[['c', 'a', 'd']]

还可以将Series看成是一个定长的有序字典,因为它是索引值到数据值的一个映射.

我将使用缺失(missing)或NA表示缺失数据。pandas的isnull和notnull函数可用于检测缺失数据:

print(pd.isnull(obj))
print(pd.notnull(obj))

 Series也有类似的实例方法:

obj4.isnull()

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,可以认为是类似数据库的join的操作。

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。

 obj4.name = 'population'

 obj4.index.name = 'state'

Series的索引可以通过赋值的方式就地修改:

obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']

二、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(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引,它可以被看做由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(而不是列表、字典或别的一维数据结构)。

      (1)建DataFrame的办法有很多,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:

#传入字典
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'], 
'year': [2000, 2001, 2002, 2001, 2002, 2003],
'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
frame = pd.DataFrame(data)
 
#传入数组
frame2 = pd.DataFrame(np.range(18).reshape(3,6), 
columns=['year', 'state', 'pop', 'debt'],
index=['one', 'two', 'three', 'four','five', 'six'])#如果传入的列在数据中找不到,就会在结果中产生缺失值:

#嵌套字典创建DataFrame
 pop = {'Nevada': {2001: 2.4, 2002: 2.9}, 'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}}
 frame3 = pd.DataFrame(pop)#外层字典的键作为列,内层键则作为行索引。

参数:

    cloumns:指定列名,并按列名顺序排列。

    index:指定索引 

    dtype:指定数据类型 

常用函数总结:

 frame.head()#选取前五行

 frame.T#转置

   frame.index.name = ‘year’#设置index的name属性

 frame.columns.name = ‘state’#设置columns的name属性

 frame.values#选取DataFrame的值,结果为二维数组。

选取DataFrame数据:

#两种方式选取state列数据
frame2['state']
frame2.state
frame2['debt'] = 16.5#列可以通过赋值的方式进行修改。

#行数据选取
frame2.loc['three']

  将列表或数组赋值给某个列时,其长度必须跟DataFrame的长度相匹配。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。

val = pd.Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five'])
frame2['debt'] = val
print(frame2)

#为不存在的列赋值会创建出一个新列。关键字del用于删除列。
frame2['eastern'] = frame2.state == 'Ohio'
del frame2['eastern']