pandas基本操作——1

這裏來介紹一下pandas。由於知識點比較多，決定分幾篇介紹。

import numpy as np
import pandas as pd 
#pandas是基於numpy的一個開源python庫。
#我認爲相當於python版excel


#series是一種一維數組，是基於ndarray設計的，但是他多了一個功能就是自定義標籤。
#說的明白點就是索引。因此可以通過這個索引來訪問數組中的數據
#創建語法如下：
#my_series=pd.Series(data,index)
countries=['USA','France','China','England']
my_data=[100,200,300,400]
my_series=pd.Series(my_data,countries)
my_series

USA        100
France     200
China      300
England    400
dtype: int64

#注意，index是可以省略的，這時系統會自動已默認index進行索引，這時的series就類似數組了。
pd.Series(my_data)

0    100
1    200
2    300
3    400
dtype: int64

#從numpy數組對象來創建Series：
np_arr=np.array(my_data)
pd.Series(np_arr)

0    100
1    200
2    300
3    400
dtype: int64

#從字典來創建Series似乎更方便
#pandas會自動把字典的鍵值設置成Series的index，並將對應的values放在和索引對應的data裏
#這也證明了，pandas的Series可以存放各種不同類型的對象。
my_dict={'a':50,'b':60,'c':70,'d':80}
pd.Series(my_dict)

a    50
b    60
c    70
d    80
dtype: int64

#從Series中獲取數據，和字典操作基本一樣。
my_dict['b']
60

#對Series進行算術運算操作
#基於index進行，可以用加減乘除這樣的運算符對兩個Series進行運算。
#結果均以浮點數的形式存儲，以免丟失精度。
series1=pd.Series([1,2,3,4],['shandong','wuhan','changsha','hangzhou'])
series2=pd.Series([4,7,9,2],['beijing','tianjin','shijiazhuang','hangzhou'])
#如果pandas在兩個Series裏找不到相同的index，對應位置就返回空值NaN。
series1-series2

beijing         NaN
changsha        NaN
hangzhou        2.0
shandong        NaN
shijiazhuang    NaN
tianjin         NaN
wuhan           NaN
dtype: float64

series1+series2
beijing         NaN
changsha        NaN
hangzhou        6.0
shandong        NaN
shijiazhuang    NaN
tianjin         NaN
wuhan           NaN
dtype: float64

#DataFrames
#Pandas的DataFrame是一種2維數據結構，數據以表格的形式存儲，分爲若干行和列。
#下面用多個Series來構建一個DataFrame。道理很簡單，多個一維數組組合起來就變成了二維數組
df={'Name':pd.Series(['齊','楚','秦','燕','趙','魏','韓'],index=['東','南','西','東北','北','中北','中']),
       'Age':pd.Series(['32','42','32','45','14','22','34'],index=['東','南','西','東北','北','中北','中']),
       'size':pd.Series(['2332','4212','3242','4455','1324','2232','3784'],['東','南','西','東北','北','中北','中'])
   }
pd.DataFrame(df)


Name    Age size
東   齊   32  2332
南   楚   42  4212
西   秦   32  3242
東北  燕   45  4455
北   趙   14  1324
中北  魏   22  2232
中   韓   34  3784

#用一個字典來創建DataFrame
data={'name':['dwd','dwds','fgerd'],
      'age':[32,43,1231],
      'year':[2012,2123,2312]
}
my_df=pd.DataFrame(data,index=['first','second','last'])
my_df


                name      age   year
first           dwd           32        2012
second  dwds       43   2123
last            fgerd   1231    2312

my_df[['age','year']]

age year
first   32  2012
second  43  2123
last    1231    2312

#給DataFrame增加數據列
#1.可以從頭開始定義一個pd.Series,放到表中.
#2.可以用現有的列來產生需要的新列。
#1
my_df['size']=pd.Series([323,123,435],['first','second','last'])
my_df

name    age year    size
first   dwd 32  2012    323
second  dwds    43  2123    123
last    fgerd   1231    2312    435

#2從其他列中創造新列
my_df['pip']=my_df['age']+my_df['size']
my_df=pd.DataFrame(my_df)
my_df


name    age year    size    pip
first   dwd 32  2012    323 355
second  dwds    43  2123    123 166
last    fgerd   1231    2312    435 1666

#從DataFrame刪除行/列。用drop（）函數。
#使用時需要指定具體的刪除方向，axis=0對應的是行row，axis=1對應的是列column。
my_df.drop('pip',axis=1)

name    age year    size
first   dwd 32  2012    323
second  dwds    43  2123    123
last    fgerd   1231    2312    435

my_df.drop('first',axis=0)

name    age year    size    pip
second  dwds    43  2123    123 166
last    fgerd   1231    2312    435 1666

未完待續