pandas：數據分析

1、介紹

pandas是一個強大的Python數據分析的工具包，是基於NumPy構建的。

1.主要功能

具有對其功能的數據結構DataFrame、Series
集成時間序列功能
提供豐富的數學運算和操做
靈活處理缺失數據

2.安裝方法

pip install pandas

3.引用方法

import pandas as pd

2、Series　　

Series是一種相似於一位數組的對象，由一組數據和一組與之相關的數據標籤（索引）組成。 

獲取值數組和索引數組：values屬性和index屬性
Series比較像列表（數組）和字典的結合體。

建立方式：
    pd.Series([4,7,-5,3]) 
    pd.Series([4,7,-5,3],index=['a','b','c','d'])               
    pd.Series({'a':1, 'b':2})             
    pd.Series(0, index=['a','b','c','d’])

Series支持字典的特性（標籤）：

• 從字典建立Series：Series(dic),
• in運算：’a’ in sr、for x in sr
• 鍵索引：sr['a'], sr[['a', 'b', 'd']]
• 鍵切片：sr['a':'c']
• 其餘函數：get('a', default=0)等

In [12]: s = pd.Series(0,index=['a','b','c','d'])

In [13]: s.a
Out[13]: 0

In [14]: v = pd.Series({'a':1,'b':2})

In [15]: v.a
Out[15]: 1

In [16]: v.b
Out[16]: 2

In [17]: v[0]
Out[17]: 1

In [18]: s*2
Out[18]:
a    0
b    0
c    0
d    0
dtype: int64

In [19]: v*2
Out[19]:
a    2
b    4
dtype: int64　　

3、整數索引　

整數索引的pandas對象每每會使新手抓狂。
例：

• sr = np.Series(np.arange(4.))
• sr[-1]

若是索引是整數類型，則根據整數進行數據操做時老是面向標籤的。

• loc屬性 以標籤解釋
• iloc屬性 如下標解釋

4、Series數據對齊

pandas在運算時，會按索引進行對齊而後計算。若是存在不一樣的索引，則結果的索引是兩個操做數索引的並集。

    例：
    sr1 = pd.Series([12,23,34], index=['c','a','d'])
    sr2 = pd.Series([11,20,10], index=['d','c','a',])
    sr1+sr2
    sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
    sr1+sr3

    如何在兩個Series對象相加時將缺失值設爲0？
    sr1.add(sr2, fill_value=0)
    靈活的算術方法：add, sub, div, mul

 

5、Series缺失數據

一、缺失數據：使用NaN（Not a Number）來表示缺失數據。其值等於np.nan。內置的None值也會被當作NaN處理。
二、處理缺失數據的相關方法：

• dropna() 過濾掉值爲NaN的行
• fillna() 填充缺失數據
• isnull() 返回布爾數組，缺失值對應爲True
• notnull() 返回布爾數組，缺失值對應爲False

三、過濾缺失數據：sr.dropna() 或 sr[data.notnull()]
四、填充缺失數據：fillna(0)

6、DataFrame

DataFrame是一個表格型的數據結構，含有一組有序的列。
DataFrame能夠被看作是由Series組成的字典，而且共用一個索引。

建立方式：

• pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
• pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
• ……

csv文件讀取與寫入：

• df.read_csv('E:\算法\day110 Numpy、Pandas模塊\601318.csv')
• df.to_csv()

7、DataFrame查看數據

查看數據經常使用屬性及方法：
        index                    獲取索引
        T                        轉置
        columns                    獲取列索引
        values                    獲取值數組
        describe()                獲取快速統計

    DataFrame各列name屬性：列名
    rename(columns={})　　

8、DataFrame索引和切片

DataFrame使用索引切片：
方法1：兩個中括號，先取列再取行。    df['A'][0]
方法2（推薦）：使用loc/iloc屬性，一箇中括號，逗號隔開，先取行再取列。
loc屬性：解釋爲標籤
iloc屬性：解釋爲下標
向DataFrame對象中寫入值時只使用方法2
行/列索引部分能夠是常規索引、切片、布爾值索引、花式索引任意搭配。（注意：兩部分都是花式索引時結果可能與預料的不一樣）

經過標籤獲取：
    df['A']
    df[['A', 'B']]
    df['A'][0]
    df[0:10][['A', 'C']]
    df.loc[:,['A','B']]  #行是全部的行，列取是A和B的
    df.loc[:,'A':'C']
    df.loc[0,'A']
    df.loc[0:10,['A','C']]
    
經過位置獲取：
    df.iloc[3]
    df.iloc[3,3]
    df.iloc[0:3,4:6]
    df.iloc[1:5,:]
    df.iloc[[1,2,4],[0,3]]、
    
經過布爾值過濾：
　　df[df['A']>0]
　　df[df['A'].isin([1,3,5])]
　　df[df<0] = 0　

9、DataFrame數據對齊與缺失數據

DataFrame對象在運算時，一樣會進行數據對齊，行索引與列索引分別對齊。
結果的行索引與列索引分別爲兩個操做數的行索引與列索引的並集。

DataFrame處理缺失數據的相關方法：

• dropna(axis=0,where=‘any’,…) 過濾掉值爲NaN的行
• fillna() 填充缺失數據
• isnull() 返回布爾數組，缺失值對應爲True
• notnull() 返回布爾數組，缺失值對應爲Fals