Pandas是用于数据操纵和分析，建立在Numpy之上的。Pandas为Python带来了两种新的数据结构：Pandas Series和Pandas DataFrame，借助这两种数据结构，我们能够轻松直观地处理带标签数据和关系数据。
Pandas功能：
- 允许为行和列设定标签
- 可以针对时间序列数据计算滚动统计学指标
- 轻松处理NaN值
- 能够将不同的数据集合并在一起
- 与Numpy和Matplotlib集成
Pandas Series
Pandas series 是像数组一样的一维对象，可以存储很多类型的数据。Pandas series 和 Numpy array之间的主要区别之一是你可以为Pandas series 中的每个元素分配索引标签；另一个区别是Pandas series 可以同时存储不同类型的数据。
创建 Pandas Series
pd.Series(data, index)
groceries = pd.Series(data=[30, 6, 'yes', 'No'], index=['eggs', 'apples', 'milk', 'bread'])
ser = pd.Series(data=[[0, 1, 2, 3], [1, 3, 5, 7], [2, 4, 6, 8]], index=(['a', 'b', 'c']))
查看 Pandas Series 属性
# Pandas Series 元素数量
print(groceries.size)
# Pandas Series 形状
print(groceries.shape)
# Pandas Series 维度
print(groceries.ndim)
# Pandas Series 索引列表
print(groceries.index)
# Pandas Series 元素列表
print(groceries.values)
查看是否存在某个索引标签：in
print('book' in groceries)
访问 Pandas Series 中元素
Pandas Series 提供了两个属性 .loc 和 .iloc
.loc 表明我们使用的是标签索引访问
.iloc 表明我们使用的是数字索引访问
# 标签索引
print(groceries['eggs'])
print(groceries[['eggs', 'milk']])
# 数字索引
print(groceries[1])
print(groceries[[1, 2]])
print(groceries[-1])
# 明确标签索引
print(groceries.loc['milk'])
print(groceries.loc[['eggs', 'apples']])
# 明确数字索引
print(groceries.iloc[0])
print(groceries.iloc[[0, 1]])
修改和删除 Pandas Series 中元素
直接标签访问，值修改就可
groceries['eggs'] = 2
print(groceries)
删除：drop(参数 1：lable，标签；参数 2：inplace=True/False，是/否修改原 Series)
print(ser.drop(['b']))
print(ser.drop(['a', 'b'], inplace=True))
Pandas Series 中元素执行算术运算
Pandas Series执行元素级算术运算：加、减、乘、除
fruits = pd.Series(data=[10, 6, 3], index=['apples', 'oranges', 'bananas'])
# 所有数字进行运算
print(fruits + 2)
print(fruits - 2)
print(fruits * 2)
print(fruits / 2)
# 所有元素应用Numpy中的数学函数
print(np.exp(fruits))
print(np.sqrt(fruits))
print(np.power(fruits, 2))
# 部分元素进行运算
print(fruits[0] - 2)
print(fruits['apples'] + 2)
print(fruits.loc['oranges'] * 2)
print(np.power(fruits.iloc[0], 2))
Pandas DataFrame
Pandas DataFrame 是具有带标签的行和列的二维数据结构，可以存储多种类型的数据，类似于电子表格。
创建 Pandas DataFrame
第一步：创建 Pandas Series 字典
第二步：将字典传递给 pd.DataFrame
items = {'Bob': pd.Series(data=[245, 25, 55], index=['bike', 'pants', 'watch']),
'Alice': pd.Series(data=[40, 110, 500, 45], index=['book', 'glasses', 'bike', 'pants'])}
shopping_carts = pd.DataFrame(items)
print(shopping_carts)
通过关键字 columns 和 index 选择要将哪些数据放入 DataFrame 中
shopping_cart = pd.DataFrame(items, index=['bike', 'pants'], columns=['Bob'])
print(shopping_cart)
访问、添加、删除 DataFrame
访问整列：dataframe[['column1', 'column2']]
# 读取列
print(shopping_carts[['Bob', 'Alice']])
访问整行：dataframe.loc[['row1', 'row2']]
# 读取行
print(shopping_carts.loc[['bike']])
访问某行某列：dataframe['column']['row']，先提供行标签，将出错。
# 读取某一列某一行
print(shopping_carts['Bob']['bike'])
添加整列（末尾添加列），空值用 None
# 添加列
shopping_carts['Mike'] = [10, 30, 10, 90, None]
添加整行（末尾添加行），把新添加行创建为 dataframe，通过 append() 添加
# 添加行
new_items = [{'Alice': 30, 'Bob': 20, 'Mark': 35, 'Mike': 50}]
new_store = pd.DataFrame(new_items, index=['store3'])
shopping_carts = shopping_carts.append(new_store)
只能删除整列：pop('lable')
# 删除整列
shopping_carts.pop('Jey')
删除行或者列：drop(['lable1', 'lable2'], axis=0/1) 0表示行，1表示列
# 删除行
shopping_carts = shopping_carts.drop(['store3', 'watch'], axis=0)
更改行和列标签
rename()
# 更改列标签
shopping_carts = shopping_carts.rename(columns={'Bob': 'Jey'})
# 更改行标签
shopping_carts = shopping_carts.rename(index={'bike': 'hats'})
处理 NaN
统计 NaN 数量：isnull().sum().sum
# 数值转化为 True 或者 False
print(store_items.isnull())
# 每一列的 NaN 的数量
print(store_items.isnull().sum())
# NaN 总数
print(store_items.isnull().sum().sum())
统计非 NaN 数量：count(axis=0/1)
# 每一行非 NaN 的数量，通过列统计
print(store_items.count(axis=1))
# 每一列非 NaN 的数量，通过行统计
print(store_items.count(axis=0))
删除具有NaN值的行和列：dropna(axis=0/1, inplace=True/False) inplace默认False，原始DataFrame不会改变；inplace为True，在原始DataFrame删除行或者列
# 删除包含NaN值的任何行
store_items.dropna(axis=0)
# 删除包含NaN值的任何列
store_items.dropna(axis=1, inplace=True)
将 NaN 替换合适的值：fillna()
# 将所有 NaN 替换为 0
store_items.fillna(value=0)
# 前向填充：将 NaN 值替换为 DataFrame 中的上个值，axis决定列或行中的上个值
store_items.fillna(method='ffill', axis=1)
# 后向填充：将 NaN 值替换为 DataFrame 中的下个值，axis决定列或行中的下个值
store_items.fillna(method='backfill', axis=0)
加载数据
csv 格式文件，每一行都是用逗号隔开：read_csv()
# 读取 csv 文件，第一行作为列标签
data = pd.read_csv('data.csv')
print(data)
print(data.shape)
print(type(data))
读取前 N 行数据：head(N)
# 读取头 3 行数据
print(data.head(3))
读取最后 N 行数据：tail(N)
# 读取后 5 行数据
print(data.tail(5))
检查是否有任何列包含 NaN 值：isnull().any() 类型 bool
# 检查任何列是否有 NaN 值，返回值：bool
print(data.isnull().any())
数据集的统计信息：describe()
# 获取 DataFrame 每列的统计信息：count，mean，std，min，25%，50%，75%，max
# 25%：四分之一位数；50%：中位数；75%：四分之三位数
print(data.describe())
# 通过统计学函数查看某个统计信息
print(data.max())
print(data.median())
数据相关性：不同列的数据是否有关联，1 表明关联性很高，0 表明数据不相关。corr()
# 数据相关性
print(data.corr())
数据分组：groupby(['lable1', 'lable2'])
# 按年份分组，统计总薪资
data.groupby(['Year'])['Salary'].sum()
# 按年份分组，统计平均薪资
data.groupby(['Year'])['Salary'].mean()
# 按年份，部门分组，统计总薪资
data.groupby(['Year', 'Department'])['Salary'].sum()