Pandas简介
pandas是数据分析核心工具包。基于Numpy构建，为数据分析而存在。一维数组Series+二维数组Dataframe，可直接读取数据并作处理，效率高使用简单。兼容各种数据库，支持各种分析算法。
Series和Dataframe都是pandas的数据结构。
Series相关知识点总结
Series的相关知识点总结表.png
(1)Series的基本特征
import numpy as np
import pandas as pd
# 导入numpy、pandas
s=pd.Series(np.random.rand(10))
print(s,type(s))
print('------------')
# 查看数据与数据类型
# 输出结果看s是pandas的series
# 用.index查看Series的index
# Series的index的类型是rangeindex，是一个视图
print(s.index,type(s.index))
print('---------')
# 用.values查看Series的values
# Series的values的类型是ndarray，是一个一维数组
print(s.values,type(s.values))
输出结果：
0 0.060467
1 0.040170
2 0.473326
3 0.610087
4 0.156201
5 0.257343
6 0.187864
7 0.582866
8 0.690709
9 0.630344
dtype: float64
------------
RangeIndex(start=0, stop=10, step=1)
# index表示从0开始10结束，步长为1
---------
[ 0.06046737 0.04017007 0.47332572 0.61008698 0.15620063 0.25734266
0.18786369 0.58286576 0.69070927 0.63034371]
(2)Series的创建方法
创建Series用到 pd.Series() ，一共有3种创建Series的方法。
--->>> 方法1：通过dict字典，用pd.Series 创建Series；字典的key就是index，values就是values
# Series的创建，方法一
# 通过dict字典，用pd.Series() 创建Series
# 字典的key就是index，values就是values
dic1={'a':1,'b':2,'c':3,'d':4}
s1=pd.Series(dic1)
print(s1)
dic2={'a':10,'b':{'c':100,'d':200,'e':300},'f':20}
s2=pd.Series(dic2)
print(s2)
输出结果：
a 1
b 2
c 3
d 4
dtype: int64
a 10
b {'e': 300, 'c': 100, 'd': 200}
f 20
dtype: object
--->>> 方法2：通过一维数组，用pd.Series 创建Series
# Series的创建，方法二
# 通过一维数组，用pd.Series() 创建Series
ar=np.random.rand(5)
print(ar,ar.shape)
# 创建ar一维数组
s=pd.Series(ar,index=['a','b','c','e','f'],dtype=np.object)
print(s,type(s),s.dtype)
# Series的index默认从0开始，步长为1
# index参数：设置index，长度保持一致
# dtype参数：设置数值类
输出结果：
[ 0.2012631 0.1001891 0.97043809 0.98347688 0.99686837] (5,)
a 0.201263
b 0.100189
c 0.970438
e 0.983477
f 0.996868
dtype: object object
--->>> 方法3：通过标量创建，用pd.Series 创建Series
# Series的创建，方法三
# 通过标量创建，用pd.Series() 创建Series
s=pd.Series(12,index=range(5))
print(s)
#如果data是标量值，则必须提供索引。该标量值会重复，来匹配索引的长度
输出结果：
0 12
1 12
2 12
3 12
4 12
dtype: int64
(3)Series的名称属性
Series数组的名称创建、用.name输出名称；Series数组名称的重命名，用.rename()
# 创建一个Series，设置name参数创建数组名称
# name为Series的一个参数，创建一个数组的名称
s1=pd.Series(np.random.rand(5),name='aaa')
print(s1)
s2=pd.Series(np.random.rand(5))
print(s2)
print(s1.name,s2.name)
# s1是有创建数组名称的，输出为aaa；
# s2没有创建数组名称的，输出为None
print('-------')
print(s1.rename('bbb'))
print(s1.name)
# s1.rename()将s1原名aaa改为bbb
# 输出s1.name的名字，返回仍旧为aaa
# 说明.rename()重命名一个数组的名称，是会指向一个新数组，且新数组与原数组一样，但原数组名称不变
输出结果：
0 0.780331
1 0.297437
2 0.238227
3 0.363761
4 0.447678
Name: aaa, dtype: float64
0 0.023001
1 0.089099
2 0.797804
3 0.060008
4 0.796604
dtype: float64
aaa None
-------
0 0.780331
1 0.297437
2 0.238227
3 0.363761
4 0.447678
Name: bbb, dtype: float64
aaa
(4)Series的索引与切片
--->>> Series的标索引
# 【下标索引，与序列类似】
s=pd.Series(np.random.rand(5),index=list('abcde'))
print(s)
print('-------')
print(s[0]) # 定位索引为0的值
print(s[0].dtype) # 输出结果float的浮点型
print(type(s[0])) # 输出结果是numpy的浮点型
#print(s[-1])是错误语法，所以Series的下标索引与序列的下标索引也不完全相同
输出结果：
a 0.491990
b 0.092502
c 0.621547
d 0.222271
e 0.430568
dtype: float64
-------
0.491989880552
float64
--->>> Series的标签(index)索引
#【标签(index)索引】
# 类似下标索引，用[]表示，内写上index，注意index是字符串
s=pd.Series(np.random.rand(6),index=list('abcdef'))
print(s)
# 定位单个值的标签索引写法：
# 定位index为b的值
print(s['b'])
print('--------')
# 定位多个值的标签索引写法：
# 需要选择多个标签的值，用[[]]来表示(相当于[]中包含一个列表)
# 多标签索引的结果是新的数组
print(s[['b','d','f']])
输出结果：
a 0.325852
b 0.280335
c 0.374167
d 0.579232
e 0.660827
f 0.150477
dtype: float64
0.280335497476
--------
b 0.280335
d 0.579232
f 0.150477
dtype: float64
--->>> Series的切片
若Series的标签index一开始是数字，不是字符串，那么默认s[索引]先使用的是下标索引；若Series有明确的标签非数字，那就使用标签index索引
s1=pd.Series(np.random.rand(5))
s2=pd.Series(np.random.rand(5),index=list('abcde'))
print(s1)
print(s2)
print(s1[0:2])
# s1的index为默认数字，因此切片索引默认先使用下标索引
# 下标索引做切片，末端不包含
# 下标索引做切片的写法与list类似
print(s1[:4])
print(s1[1:-1])
print(s1[::2])
print(s2['a':'c'])
# s2的index为重新赋给
# 标签index索引做切片，末端包
输出结果：
0 0.279647
1 0.470918
2 0.424850
3 0.387155
4 0.696179
dtype: float64
a 0.607845
b 0.304126
c 0.170116
d 0.064967
e 0.836235
dtype: float64
0 0.279647
1 0.470918
dtype: float64
0 0.279647
1 0.470918
2 0.424850
3 0.387155
dtype: float64
1 0.470918
2 0.424850
3 0.387155
dtype: float64
0 0.279647
2 0.424850
4 0.696179
dtype: float64
a 0.607845
b 0.304126
c 0.170116
dtype: float64
--->>> Series的布尔型索引
对数组做判断之后，返回的是一个由布尔值组成的新的数组
布尔型索引方法：用[判断条件]表示，其中判断条件可以是一个语句，或者是一个布尔型数组
s=pd.Series(np.random.rand(5))
s[4]=np.nan
# 索引为4的值赋予空值
# 空值表示：np.nan/None代表空值/NaN代表有问题的数值(NaN最后会被识别为空值)
print(s)
print(s<0.5)
# 判断s中是否有小于0.5的，输出结果为bool
print(s.isnull())
# 判断s中是否有空值，空值返回真，非空值返回假，输出结果为bool
print(s.notnull())
# 判断s中是否有非空值，非空值返回真，空值返回假
# 对数组做判断之后，返回的是一个由布尔值组成的新的数组
输出结果：
0 0.282185
1 0.959061
2 0.279785
3 0.067625
4 NaN
dtype: float64
0 True
1 False
2 True
3 True
4 False
dtype: bool
0 False
1 False
2 False
3 False
4 True
dtype: bool
0 True
1 True
2 True
3 True
4 False
dtype: bool
(5)Series的基本技巧
--->>> 用.head()和.tail()，查看头部和尾部数据，均默认查看5条
# 查看Series数组的数据
s=pd.Series(np.random.rand(8))
print(s)
print('----------')
print(s.head())
print(s.head(3))
# .head() 默认查看前5条数据
# s.head(3)表示查看前3条数据
print(s.tail())
print(s.tail(4))
# s.tail()默认查看尾部后5条数据
# s.tail(4)表示查看尾部后4条数据
--->>> 用.reindex()，重新索引series，根据新索引顺序重新排序，且会生成新的数组，原数组不受任何影响
s=pd.Series(np.random.rand(5),index=list('abcde'))
print(s)
s1=s.reindex(list('bceafg'))
print(s1)
print(s)
# 用.reindex()重新索引series，根据新索引顺序重新排序
# .reindex()中也是写列表
# 重新索引中的f、g原来没有对应的值，因此在新数组中引入缺失值NaN填充
s2=s.reindex(list('acef'),fill_value=100)
print(s2)
# fill_value参数：为缺失的值填充指定值
输出结果：
a 0.689542
b 0.735547
c 0.255595
d 0.447040
e 0.718980
dtype: float64
b 0.735547
c 0.255595
e 0.718980
a 0.689542
f NaN
g NaN
dtype: float64
a 0.689542
b 0.735547
c 0.255595
d 0.447040
e 0.718980
dtype: float64
a 0.689542
c 0.255595
e 0.718980
f 100.000000
dtype: float64
--->>> Series数组的对齐
# Series对齐
s1 = pd.Series(np.random.rand(3), index = ['Jack','Marry','Tom'])
s2 = pd.Series(np.random.rand(3), index = ['Wang','Jack','Marry'])
print(s1)
print(s2)
print('--------')
print(s1+s2)
# Series 和 ndarray 之间的主要区别是，Series 上的操作会根据标签自动对齐
# index顺序不会影响数值计算，Series会以标签对齐来计算
# 空值和任何值计算结果扔为空值
输出结果：
Jack 0.753732
Marry 0.180223
Tom 0.283704
dtype: float64
Wang 0.309128
Jack 0.533997
Marry 0.626126
dtype: float64
Jack 1.287729
Marry 0.806349
Tom NaN
Wang NaN
dtype: float64
--->>> 用.drop，删除series数组的元素
# 用.drop，删除series数组的元素
# .drop删除元素不影响原数组，属于复制一个相同副本然后删除，这时参数inplace默认为False
# 若参数inplace默认为True，则删除原数组的元素，没有副本生成
s = pd.Series(np.random.rand(5), index = list('ngjur'))
print(s)
print('--------')
s1=s.drop('n')
s2=s.drop(['j','r'])
s3=s.drop('g',inplace=True)
print(s1)
print('--------')
print(s2)
print('--------')
print(s3)
print('--------')
print(s)
输出结果：
n 0.425891
g 0.341889
j 0.859872
u 0.028564
r 0.214625
dtype: float64
--------
g 0.341889
j 0.859872
u 0.028564
r 0.214625
dtype: float64
--------
n 0.425891
g 0.341889
u 0.028564
dtype: float64
--------
None
--------
n 0.425891
j 0.859872
u 0.028564
r 0.214625
dtype: float64
#s3删除g的值，因inplace=True没有副本生成，且在原数组删除g的值，所以s3=None不存在
#返回的s没有了g的值，因为s3=s.drop('g',inplace=True)，在原数组中删除了g的值
--->>> 给Series数组添加元素/数组
# 给Series数组添加元素/数组
# 【添加元素：直接通过下标索引/标签index添加值】
s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = list('ngjur'))
print(s1)
print(s2)
s1[5]=100
s2['e']=120
print(s1)
print(s2)
print('--------------------')
# 【添加数组，用.append()】
# 通过.append方法，直接添加一个数组
# .append方法生成一个新的数组，不改变之前的数组
s3=s1.append(s2)
# 将s2数组添加到s1数组中
# 生成了新的数组，所以s1数组没有改变
print(s3)
print(s1)
输出结果：
0 0.919861
1 0.271166
2 0.459674
3 0.373606
4 0.838353
dtype: float64
n 0.179374
g 0.866121
j 0.714827
u 0.520926
r 0.808706
dtype: float64
0 0.919861
1 0.271166
2 0.459674
3 0.373606
4 0.838353
5 100.000000
dtype: float64
n 0.179374
g 0.866121
j 0.714827
u 0.520926
r 0.808706
e 120.000000
dtype: float64
--------------------
0 0.919861
1 0.271166
2 0.459674
3 0.373606
4 0.838353
5 100.000000
n 0.179374
g 0.866121
j 0.714827
u 0.520926
r 0.808706
e 120.000000
dtype: float64
0 0.919861
1 0.271166
2 0.459674
3 0.373606
4 0.838353
5 100.000000
dtype: float64
--->>> 修改Series数组的元素
# 修改Series数组的元素
s = pd.Series(np.random.rand(3), index = ['a','b','c'])
print(s)
s['a'] = 100
s[['b','c']] = 200
print(s)
# 通过索引直接修改，类似序列
输出结果：
a 0.715710
b 0.421069
c 0.571367
dtype: float64
a 100.0
b 200.0
c 200.0
dtype: float64
