Pandas

Pandas库-处理和分析数据最好的第三方库

1	import pandas as pd

两个数据类型：Series和DataFrame，基于ndarray扩展的数据类型。Pandas注重数据和索引之间的关系。

Series(一维数据类型)

由一组数据和其索引组成，就是一维带标签的数据，类似于字典和ndarray的操作

import pands as pd
#自定义索引
b = pd.Series([9,8,7,6],index=['a','b','c','d'])
#python中NaN表示为空
#获得索引和值
b.index
b.values
#Series可以进行切片
b[:3]
#针对于ndarray进行的操作也可以用于Series
np.exp(b)
#输出大于元素中位数的索引
b[b>b.median()]
#判断键是否在Series中和调取键值
'c' in b
b.get('a')

对齐问题：运算中只运算相对应索引的元素

Dataframe(二维数据类型)

多列的数据共用相同索引，表格型数据类型。我理解为c中的数组

有行索引也有列索引。纵向索引index，横向索引column

1
2
3

import pandas as pd
import numpy as np
b = DataFrame(np.nrange(10).reshape(2,5))

字典转换成DataFrame格式的时候，键会变成表头，值会变成竖着排列的值。

尝试着用DataFrame处理CSV文件

d.reindex:重排生成的表格。

1 2	.reindex(index=None, columns=None, …) index是lie，column是行

方法	说明
.append(idx)	连接另一个Index对象，产生新的Index对象
.diff(idx)	计算差集，产生新的Index对象
.intersection(idx)	计算交集
.union(idx)	计算并集
.delete(loc)	删除loc位置处的元素
.drop()	删除Series和DataFrame指定行或列索引

数据类型的算术运算

加减乘除算数运算

方法	说明
.add(d, **argws)	类型间加法运算，可选参数
.sub(d, **argws)	类型间减法运算，可选参数
.mul(d, **argws)	类型间乘法运算，可选参数
.div(d, **argws)	类型间除法运算，可选参数

eg.b.add(a, fill_value=100)

Note：还可以直接利用+-*/运算

比较运算

>< >= <= == !=进行大小比较，与每个元素都比较，返回布尔值