首先導入相關模塊

1 import pandas as pd 2 from pandas import Series,DataFrame 3 import numpy as np

一、Series

Series是一種類似與一維數組的對象，由下面兩個部分組成： values：一組數據（ndarray類型） index：相關的數據索引標簽

1、Series的創建

兩種創建方式： (1) 由列表或numpy數組創建 默認索引為0到N-1的整數型索引

?

#使用列表創建Series

1 Series(data=[1,2,3,4,5]) 2 3 0 1 4 1 2 5 2 3 6 3 4 7 4 5 8 dtype: int64

# 使用numpy創建Series

# 可以通過設置index參數指定索引
1 Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo') 2 3 a 3 4 d 22 5 f 35 6 g 19 7 t 21

?

# 由字典創建:不能在使用index.但是依然存在默認索引

1 dic = { 2 ‘name’':Tom, 3 'age':99 4 } 5 s = Series(data=dic)

?

2、Series的索引和切片

可以使用中括號取單個索引（此時返回的是元素類型），或者中括號里一個列表取多個索引（此時返回的是一個Series類型）。

(1) 顯式索引：　

- 使用index中的元素作為索引值
- 使用s.loc[]（推薦）:注意，loc中括號中放置的一定是顯示索引

• 顯示索引切片:index和loc

(2) 隱式索引：

- 使用整數作為索引值 - 使用.iloc[]（推薦）:iloc中的中括號中必須放置隱式索引
s.iloc[0:2]

• 隱式索引切片：整數索引值和iloc

?

3、Series的基本概念

可以把Series看成一個定長的有序字典

可以通過shape，size，index,values等得到series的屬性

1 s.index 2 3 s.values 4 5 可以使用s.head(),tail()分別查看前n個和后n個值 6 s.head(1)

?

對Series元素進行去重

1 s = Series(data=[1,1,2,2,3,3,4,4,4,4,4,5,6,7,55,55,44])
2 s.unique() # array([ 1, 2, 3, 4, 5, 6, 7, 55, 44], dtype=int64)

?

兩個Series進行相加:索引與之對應的元素會進行算數運算,不對應的就補空

1 s1 = Series([1,2,3,4,5],index=['a','b','c','d','e']) 2 s2 = Series([1,2,3,4,5],index=['a','b','f','c','e']) 3 s = s1+s2 4 s a 2.0 b 4.0 c 7.0 d NaN e 10.0 f NaN

?

可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函數檢測缺失數據

s.notnull() # 判斷每行是否是空值 a True b True c True d False e True f False

s.isnull 與之恰好相反，空值為True?

?

例如：取出所以不是空值的行

1 s[s.notnull()] 2 3 a 2.0 4 b 4.0 5 c 7.0 6 e 10.0

?

二、DataFrame

1、DataFrame是一個【表格型】的數據結構。DataFrame由按一定順序排列的多列數據組成。設計初衷是將Series的使用場景從一維拓展到多維。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values

?

?DataFrame屬性：values、columns、index、shape

1 dic = { 2 '張三':[77,88,99,90], 3 '李四':[67,88,99,78] 4 } 5 df = DataFrame(data=dic,index=['語文','數學','英語','理綜'])

?

字典的key作為列索引，index作為顯示索引

?

2、DataFrame的索引

(1) 對列進行索引

- 通過類似字典的方式 df['q'] - 通過屬性的方式 df.q

可以將DataFrame的列獲取為一個Series。返回的Series擁有原DataFrame相同的索引，且name屬性也已經設置好了，就是相應的列名。

例如：df['張三']

?

獲取多個索引

?

#修改列索引

df.columns = ['zhangsan','lisi']

?

?

?

(2) 對行進行索引

- 使用.loc[]加index來進行行索引 - 使用.iloc[]加整數來進行行索引

同樣返回一個Series，index為原來的columns。

?

?

(3) 對元素索引的方法

- 使用列索引 - 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前，列索引在后 如：df.iloc[0,1]


總結：索引的方式
1、對列進行索引使用df[],里面放置列索引
2、對行進行索引使用.loc[]方顯示索引index 或.iloc[]放隱式索引整數

?

3、切片

總結：1、使用中括號df[0:2] 是對行進行切片

　　　2、使用loc、iloc是對列進行切片：df.loc['B':'C','丙':'丁']

?

?

?

?

轉載于:https://www.cnblogs.com/liaopeng123/p/10491119.html

總結

以上是生活随笔為你收集整理的数据分析之Pandas（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。