pandas 是基于numpy构件的强大的数据处理模块，其核心的数据结构有两个：Series 与 DataFrame
一：Series
Series 是一种类似于表的东西，拥有索引（index）与其对应的值（value）
1）创建Series:
Sereies方法接收两个参数，第一个与value相关，第二个用来指定索引。而创建的方式有两种：
一种为用两个list作为参数分别代表value和index的值[index参数不写则默认0开始自增长]
另一种为dict作为第一参数，若不写第二参数，则其key变成index，value即是value，若有第二参数，则用第二参数元素作为index.[index对应不上的则被抛弃]
import pandas as pd
obj_1 = pd.Series([1,2,3,4]) #若不指定索引则默认为从零开始的自增长 --->obj_1
0 1
1 2
2 3
3 4
dtype: int64 obj_2 = pd.Series([1,2,3,4], index=['a','b','c','d']) #指定索引 obj_2
--->a 1
b 2
c 3
d 4
dtype: int64
创建方法一
sdata = {'Ohio':3500,'Texas':7100,'Oregon':1600,'Utah':500}
obj_3 = pd.Series(sdata)
obj_3
--->Ohio 3500
Oregon 1600
Texas 7100
Utah 500
dtype: int64
states = ['California','Ohio','Texas']
obj_4 = pd.Series(sdata,index=states)
obj_4
--->California NaN
Ohio 3500
Texas 7100 #由于states列表并没有Oregen与Utah，故无法对应起来
dtype: float64
创建方法二
2) 索引
obj_1.values #调出所有元素值
--->array([1, 2, 3, 4], dtype=int64)
obj_1.index #调出索引值
--->Int64Index([0, 1, 2, 3], dtype='int64')
#改变index值
obj_4.index = ['bob','steve','jeff'] #注：若要改变index，数量必须与原本的数量相同，不能少也不能多
obj_4
bob NaN
steve 3500
jeff 7100
dtype: float64
obj_2['a'] #利用索引进行取值
--->1
obj_2[['c','b','a']] #可以用索引一次取多个值，并且按其给定的顺序输出
--->c 3
b 2
a 1
dtype: int64
'b' in obj_2 #检验索引是否存在
--->True
二：DataFrame
一种表格型的数据结构，每列可以是不同的数值类型，且它既有行索引，还有列索引，并且他们是平衡的
1）创建DataFrame
DataFram(data[,columns = ... , index = ...])
注：若data为字典型数据，则keys自动变成columns，若data仅是列表类，columns与index都是默认0开始自增长的数
data=[['ohio','nevada','nevada'],[2000,1000,1000],[1.5,1.7,3.6]] frame_1 = pd.DataFrame(data) frame_1
0 1 2
0 ohio nevada nevada
1 2000 1000 1000
2 1.5 1.7 3.6 frame_2 = pd.DataFrame(data,columns=['first','second','third']) frame_2
first second third #注意此处结果与使用字典时比较，这里一个list定义了一行，而字典的是一列
0 ohio nevada nevada
1 2000 1000 1000
2 1.5 1.7 3.6 frame_2 = pd.DataFrame(data,columns=['first','second','third'],index=['one','two','three']) frame_2
first second third
one ohio nevada nevada
two 2000 1000 1000
three 1.5 1.7 3.6
创建方法一
data2 = {'states':['ohio','nevada','nevada'],'year':[2000,1000,1000],'pop':[1.5,1.7,3.6]}
frame_4=pd.DataFrame(data2)
frame_4
pop states year
0 1.5 ohio 2000
1 1.7 nevada 1000
2 3.6 nevada 1000
frame_5=pd.DataFrame(data2,index=['one','two','three'])
frame_5
pop states year
one 1.5 ohio 2000
two 1.7 nevada 1000
three 3.6 nevada 1000
创建方法二
2）索引
同Series一样可以通过values与index属性查看这两个值
In [62]: frame_4
Out[62]:
pop states year
0 1.2 ohio 2000
1 2.1 new state new year
2 3.6 nevada 1000 In [63]: frame_4.index
Out[63]: Int64Index([0, 1, 2], dtype='int64') In [64]: frame_4.index.name In [65]: frame_4.index
Out[65]: Int64Index([0, 1, 2], dtype='int64') In [66]: frame_4.values
Out[66]:
array([[1.2, 'ohio', 2000L],
[2.1, 'new state', 'new year'],
[3.6, 'nevada', 1000L]], dtype=object)
index/values属性
通过对column的索引可以获取以Series的形式返回一列
In [38]: frame_4
Out[38]:
pop states year
0 1.5 ohio 2000
1 1.7 nevada 1000
2 3.6 nevada 1000 In [39]: frame_4['pop']
Out[39]:
0 1.5
1 1.7
2 3.6
Name: pop, dtype: float64
通过索引字段ix可以以Series形式返回一行的内容【实际上ix关键字可以实现两个方向上的选取，其接收两个参数，第一个取行，第二个取列，返回并集】
In [40]: frame_4.ix[1]
Out[40]:
pop 1.7
states nevada
year 1000
Name: 1, dtype: object
In [8]: frame_4.ix[1,:1]
Out[8]:
pop 1.7
Name: 1, dtype: object
3）赋值
列赋值
In [41]: frame_4['pop']=2.0 In [42]: frame_4
Out[42]:
pop states year
0 2 ohio 2000
1 2 nevada 1000
2 2 nevada 1000
行赋值
In [44]: frame_4
Out[44]:
pop states year
0 2 ohio 2000
1 hello hello hello
2 2 nevada 1000
通过Series进行赋值
In [45]: val = pd.Series([1.2,2.0,3.6],index=[0,1,2]) In [46]: frame_4['pop']=val In [47]: frame_4
Out[47]:
pop states year
0 1.2 ohio 2000
1 2.0 hello hello
2 3.6 nevada 1000
In [48]: val_2 = pd.Series([2.1,'new state','new year'],index=['pop','states','y
ear'])
In [49]: frame_4.ix[1]=val_2 In [50]: frame_4
Out[50]:
pop states year
0 1.2 ohio 2000
1 2.1 new state new year
2 3.6 nevada 1000
增与删
In [52]: frame_4['stars']=['one','two','five'] #没有则直接新建 In [53]: frame_4
Out[53]:
pop states year stars
0 1.2 ohio 2000 one
1 2.1 new state new year two
2 3.6 nevada 1000 five In [54]: del frame_4['stars'] In [55]: frame_4
Out[55]:
pop states year
0 1.2 ohio 2000
1 2.1 new state new year
2 3.6 nevada 1000
4）转置：.T [只是返回一个转置的副本，本身并不转置]
In [56]: frame_4
Out[56]:
pop states year
0 1.2 ohio 2000
1 2.1 new state new year
2 3.6 nevada 1000 In [57]: frame_4.T
Out[57]:
0 1 2
pop 1.2 2.1 3.6
states ohio new state nevada
year 2000 new year 1000
.T