Python-pandas详解

一、pandas

pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

Pandas主要基于两种数据类型：series与dataframe。

1. series是一个一维的数据类型，其中每一个元素都有一个标签。如果学过numpy的知识，就可以发现series类似于numpy中元素带标签的数组。其中，标签可以是数字或者字符串。
2. dataframe是一个二维的表结构。Pandas的dataframe可以存储许多种不同的数据类型，并且每一个坐标轴都有自己的标签。

下面就分别对两种数据类型进行学习与总结。

---

二、Series

创建series对象

import pandas as pd
s = pd.Series([1, 2, "hello", "hzc"])
print(s) # 结果左边是索引，右边是对应的值
# 0        1
# 1        2
# 2    hello
# 3      hzc
# dtype: object

生成一个指定索引的series

import pandas as pd
s = pd.Series(range(4), index=["a", "b", "c", "d"]) # 索引是a,b,c,d
print(s)
# a    0
# b    1
# c    2
# d    3
# dtype: int64

通过字典来创建series对象

import pandas as pd
dic = {"d": "hzc", "c": "lmn", "b": 123, "a": 100}
s = pd.Series(dic)
print(s)
# d    hzc
# c    lmn
# b    123
# a    100
# dtype: object

用字典生成series的时候，可以指定索引，当索引中值对应的字典中的值不存在的时候，则此索引的值标记为NaA，并且可以通过pandas.isnull和pandas.notnull来判断哪些索引对应的值是没有的。

s = pd.Series(dic, index=["a", "b", "x"])
# a    100
# b    123
# x    NaN
# dtype: object

print(pd.isnull(s))
# a    False
# b    False
# x     True
# dtype: bool

print(pd.notnull(s))
# a     True
# b     True
# x    False
# dtype: bool

访问series中的元素和索引

import pandas as pd
dic = {"d": "hzc", "c": "lmn", "b":