pandas基础之 Series与DataFrame操作

　　pandas包

　　# 引入包

　　import pandas as pd

　　import numpy as np

　　import matplotlib.pyplot as plt

　　Series

　　Series 是一维带标签的数组，数组里可以放任意的数据(整数，浮点数，字符串，Python Object)。其基本的创建函数是：

　　s = pd.Series(data, index=index)

　　其中 index 是一个列表，用来作为数据的标签。data 可以是不同的数据类型：

　　Python 字典

　　ndarray 对象

　　一个标量值，如 5

　　Series创建

　　s = pd.Series([1,3,5,np.nan,6,8])

　　Series日期创建

　　# 生成日期 从2013-01-01 生成至 2013-01-06

　　dates = pd.date_range('20130101', periods=6)

　　# DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04','2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')

　　Series创建列表

　　# 生成2列 第一列： 012345678910 第二列： abbcdabacad

　　s = pd.Series(list('abbcdabacad'))

　　# 统计不同的列名

　　s.unique()

　　# 统计列名出现的次数

　　s.value_counts()

　　# 判断第一列是否在列表中

　　s.isin(['a', 'b', 'c'])

　　Series索引

　　# 两列一列abcde 一列5个随机数

　　s = pd.Series(np.random.rand(5), index=list('abcde'))

　　# s的列名(第一列)，是Index对象

　　s.index

　　# 添加一行 alpha

　　s.index.name = 'alpha'

　　# 返回所有第一列为'a'的值

　　s['a']

　　# 是否有重复的index

　　s.index.is_unique

　　# 返回不重复index

　　s.index.unique()

　　# 按index分组，求出每组和

　　s.groupby(s.index).sum()

　　DataFrame

　　DataFrame 是二维带行标签和列标签的数组。可以把 DataFrame 想你成一个 Excel 表格或一个 SQL 数据库的表格，还可以相像成是一个 Series 对象字典。它是 Pandas 里最常用的数据结构。

　　DataFrame创建

　　df = pd.DataFrame(np.random.randn(4, 6), index=list('ADFH'), columns=['one', 'two', 'three', 'four', 'five', 'six'])

　　# 添加index 如果该index没有对应值设为NaN

　　df2 = df.reindex(index=list('ABCDEFGH'))

　　# 重新设置col(行头)

　　df.reindex(columns=['one', 'three', 'five', 'seven'])

　　# 把NaN值设为默认的0

　　df.reindex(columns=['one', 'three', 'five', 'seven'], fill_value=0)

　　# fill method 只对行有效

　　df.reindex(columns=['one', 'three', 'five', 'seven'], method='ffill')

　　# 重置列index

　　df.reindex(index=list('ABCDEFGH'), method='ffill')

　　DataFrame操作

　　df = pd.DataFrame(np.random.randn(4, 6), index=list('ADFH'), columns=['one', 'two', 'three', 'four', 'five', 'six'])

　　# 所有index 为'A' col 为'one'的位置的值设置为100

　　df.loc['A']['one'] = 100

　　# 舍弃index 为'A'的行

　　df.drop('A')

　　# 舍弃columns 为 'two' 'four'的列

　　df2 = df.drop(['two', 'four'], axis=1)

　　# 数据拷贝

　　df.iloc[0, 0] = 100

　　# 获取index 为'one'的行

　　df.loc['one']

　　DataFrame计算

　　df = pd.DataFrame(np.arange(12).reshape(4, 3), index=['one', 'two', 'three', 'four'], columns=list('ABC'))

　　# 每一列作为一个 Series 作为参数传递给 lambda 函数

　　df.apply(lambda x: x.max() - x.min())

　　# 每一行作为一个 Series 作为参数传递给 lambda 函数

　　df.apply(lambda x: x.max() - x.min(), axis=1)

　　# 返回多个值组成的 Series

　　def min_max(x):郑州人流多少钱 http://mobile.zyyyzz.com/

　　return pd.Series([x.min(), x.max()], index=['min', 'max'])

　　df.apply(min_max, axis=1)

　　# applymap 逐元素计算 每个值保留2位小数

　　formater = '{0:.02f}'.format

　　df.applymap(formater)

　　DataFrame列选择/增加/删除

　　df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three', 'four'])

　　# 第三列 为 第一列 加上 第二列

　　df['three'] = df['one'] + df['two']

　　# 添加一个flag列 大于0为True 否则为False

　　df['flag'] = df['one'] > 0

　　# 删除col为'three'的列

　　del df['three']

　　# 获取被删的

　　four = df.pop('three')

　　# 选取col为 five

　　df['five'] = 5

　　#

　　df['one_trunc'] = df['one'][:2]

　　# 指定插入位置

　　df.insert(1, 'bar', df['one'])

　　使用assign() 方法来插入新列

　　df = pd.DataFrame(np.random.randint(1, 5, (6, 4)), columns=list('ABCD'))

　　# 新列Ratio 值为 df['A'] / df['B']

　　df.assign(Ratio = df['A'] / df['B'])

　　# 新列AB_Ratio CD_Ratio 值为lambda表达式的值

　　df.assign(AB_Ratio = lambda x: x.A / x.B, CD_Ratio = lambda x: x.C - x.D)

　　DataFrame排序

　　df = pd.DataFrame(np.random.randint(1, 10, (4, 3)), index=list('ABCD'), columns=['one', 'two', 'three'])

　　# 按index 为one 排序

　　df.sort_values(by='one')

　　#

　　s.rank()

　　DataFrame操作

　　DataFrame 在进行数据计算时，会自动按行和列进行数据对齐。最终的计算结果会合并两个 DataFrame。

　　df1 = pd.DataFrame(np.random.randn(10, 4), index=list('abcdefghij'), columns=['A', 'B', 'C', 'D'])

　　df2 = pd.DataFrame(np.random.randn(7, 3), index=list('cdefghi'), columns=['A', 'B', 'C'])

　　df1 + df2

　　df1 - df1.iloc[0]