Pandas的数据结构
导入pandas：
三剑客
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
1、Series
Series是一种类似与一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签
1）Series的创建
两种创建方式：
(1) 由列表或numpy数组创建
默认索引为0到N-1的整数型索引
#使用列表创建Series
s = Series(data=[1, 2,3],index=['a','b','c'])
s
#使用numpy创建Series
s1 = Series(data=np.random.randint(0,100,size=(3,)))
s1
# 通过字典创建
dic = {
'math':100,
'English':88
}
s2 = Series(data=dic)
还可以通过设置index参数指定索引
s.index
# Index(['a', 'b', 'c'], dtype='object')
s.values
# array([1, 2, 3], dtype=int64)
- 由字典创建:不能在使用index.但是依然存在默认索引
2）Series的索引和切片
可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。
(1) 显式索引：
- 使用index中的元素作为索引值
- 使用s.loc[]（推荐）: 注意，loc中括号中放置的一定是显示索引
注意，此时是闭区间
s2[0]
s2['math']
s2.loc['math']
(2) 隐式索引：
- 使用整数作为索引值
- 使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引
注意，此时是半开区间
s2.iloc[1]
s2[1]
切片:隐式索引切片和显示索引切片
- 显示索引切片:index和loc
s2.iloc[0:1]
# English 88
# dtype: int64
3）Series的基本概念
可以把Series看成一个定长的有序字典
- 向Series增加一行：相当于给字典增加一组键值对
s2['chinese'] = 100
s2
-
可以使用s.head(),tail()分别查看前n个和后n个值
s2.head(2) 对Series元素进行去重unique()
s = Series([1,1,2,2,3,3,3,3,3,4,5,6,5,5,3,5,1])
s.unique()
当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况
使得两个Series进行相加
s1 = Series(data=[1,2,3,4,5],index=['A','B','C','D','E'])
s2 = Series(data=[1,2,3,4,5],index=['A','B','C','F','E'])
s = s1+s2
s
# A 2.0
# B 4.0
# C 6.0
# D NaN
# E 10.0
# F NaN
# dtype: float64
可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据
s.notnull()
s[['A','B','C']]
s[[True,False,True,True,True,False]]
s[s.notnull()]
4）Series的运算
(1) + - * /
(2) add() sub() mul() div() : s1.add(s2,fill_value=0)
s1.add(s2)
(3) Series之间的运算
- 在运算中自动对齐不同索引的数据
- 如果索引不对应，则补NaN
2、DataFrame
DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values
1）DataFrame的创建
最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。
此外，DataFrame会自动加上每一行的索引。
使用字典创建的DataFrame后，则columns参数将不可被使用。
同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。
使用ndarray创建DataFrame
df = DataFrame(data=np.random.randint(60,120,size=(5,5)),index=['a','d','f','g','h'])
df
DataFrame属性：values、columns、index、shape
df.shape # (5, 5)
df.values
# array([[ 71, 109, 90, 112, 93],
# [ 96, 81, 68, 92, 115],
# [ 75, 91, 74, 79, 64],
# [ 77, 112, 76, 92, 114],
# [ 89, 76, 117, 77, 95]])
df.index # Index(['a', 'd', 'f', 'g', 'h'], dtype='object')
df.columns # RangeIndex(start=0, stop=5, step=1)
使用ndarray创建DataFrame：创建一个表格用于展示张三，李四，王五的java，python的成绩
dic = {
'张三':[150,150,150,150],
'李四':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df
2）DataFrame的索引
(1) 对列进行索引
- 通过类似字典的方式 df['q']
- 通过属性的方式 df.q
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。
df['张三']
df.张三
df[['李四','张三']]
#修改列索引
df.columns = ['zhangsan','lisi']
df
(2) 对行进行索引
- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引
同样返回一个Series，index为原来的columns。
df.loc['语文']
df.iloc[0]
#zhangsan 150
#lisi 0
#Name: 语文, dtype: int64
(3) 对元素索引的方法
- 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
df.loc['英语','zhangsan']
# 150
切片：
【注意】 直接用中括号时：
- 索引表示的是列索引
- 切片表示的是行切片
在loc和iloc中使用切片(切列) ： df.loc['B':'C','丙':'丁']
# 且行
df.iloc[0:2]
df[0:2]
#切列
df.iloc[:,0:2]
3）DataFrame的运算
（1） DataFrame之间的运算
同Series一样：
- 在运算中自动对齐不同索引的数据
- 如果索引不对应，则补NaN
创建DataFrame df1 不同人员的各科目成绩，月考一
创建DataFrame df2 不同人员的各科目成绩，月考二
有新学生转入
============================================
练习6：
- 假设ddd是期中考试成绩，ddd2是期末考试成绩，请*创建ddd2，并将其与ddd相加，求期中期末平均值。
- 假设张三期中考试数学被发现作弊，要记为0分，如何实现？
- 李四因为举报张三作弊立功，期中考试所有科目加100分，如何实现？
- 后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现？
============================================
回顾：
- DF：表格型的数据结构
- index col value
- DF就是由Series组成
- 索引：
- 取列：df['col'],df[[c1,c2]]
- 取行：df.loc[index] df.loc[[i1,i2]]
- 取元素：df.loc[index,col]
- 切片：
- 切行：df[index1:index2]
- 切列：df.loc[:,c1:c2]