pandas使用

pandas

pandas主要有两个数据结构：Series和DataFrame

Series

1. Series是一种类似于一维数组的对象，它有一组数据以及一组与之相关的数据标签组成obj=Series([4,7,-2,1])  //没有指定索引
2. 索引在左，值在右
3. obj=Series([4,7,-2,1]，index=[‘a’,’b’,’d’,’c’])
4. frame=DataFrame(np.arange(9).reshape((3,3)))
5. 选取值：obj[‘c’]  obj[‘a’,’d’]
6. obj[obj>0] : 选取值>0的数组
7. 使用字典也可创建：

   stada={'ab':12,'cd':09}
   obj=Series(stada)

8. 也可obj=Series(stada，index=states)  如果
9. 不同的Series相加，会根据索引的值相加，若有一个元素在一个字典有，另一个没有，则值为NaN
10. Series和索引都有name属性
11. Series的索引可以就地修改

DataFrame

1. 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的类型（数值、字符串、布尔）。既有行索引，也有列索引，它可以被看作有Series组成的字典（共用一个索引）

2. data={'state':['aa','bb','cc','dd'],'year':[2000,2001,2002,2000,2001]}
   frame=DataFrame(data)  //会自动加上索引，从0开始

3. data是数据，columns指明data列的顺序（如果data没有指明的列，则整个列的值都为Nan），index是行名：frame=DataFrame(data,columns=[‘year’,’debt’,’state’],index=[1,2,3,4,5])
4. DataFrame->Series : frame[‘state’]或者是frame.year //拥有与DataFrame相同的索引
5. frame[‘state’]=‘CHINA’  //所有的state值都为CHINA
6. frame[‘debt’]=np.arange(5)
7. 令debt部分值改变：

   令debt部分值改变：
   //将索引为2，4，5且列为debt的值分别改为2,5,8
   val=Series([2,8,5],index=[2,4,5])
   frame['debt']=val
   

8. 删除列：del frame[‘debt2’]
9. 增加列 frame[debt3]=frame.state==’Ohio’  //debt3的值类型为布尔
10. 假如数据类型是嵌套字典，如：

    pop={"Nevade":{2001:2.4,2002:2.9},'Ohio':{2000:9.9,2001:2.2}}
    frame4=DataFrame(pop)
    //2000-2002为该DataFrame的索引，Nevade、Ohio为该DataFrame的columns
    

11. 转置：frame3.T
12. index和columns都有name属性，可改变
13. DataFrame有value属性
14. 索引对象index不可修改

重新索引

1. obj2=obj.reindex([‘a’,’b’,’v’],fill_value=0)
2. 上面fill_value=0或者method=”ffill”或“bfill”  //向前向后填充

丢弃指定轴上的项

1. 去掉某行：obj.drop(‘c’)
2. 去掉多行：obj.drop([‘c’,’d’])
3. 去掉某列：obj.drop(‘first’,axis=1)
4. 去掉多列：obj.drop([‘2nd’,’3rd’],axis=1)