Pandas武功修炼秘籍（第一章：初见端倪）

Pandas基础语法

数据类型
- Series
- DataFrame
数据类型操作
- 创建对象
- - Series
  - DataFrame
- 对象属性
- 对象方法
- - 索引
  - 重新排序
  - - n.reindex()
    - n.sort_index()
    - n.sort_values()
  - 增添&修改
  - - 增添行/列
  - 删除
数据运算
- 同维度
- 不同维度

在学习pandas之前问自己三个问题

What is Pandas?
How to use Pandas?
和其他数据处理第三方库相比，pandas有什么不同&相同之处?

第一个问题可以在pandas官方网站链接: link 找到答案

pandas is an open source BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language.

从这一段话中我们可以知道如下信息：

pandas是一个开源的第三方python库
pandas主要用于数据分析，数据应用
pandas提供了不止一种数据类型

第二个问题
How to use Pandas?

数据类型

要理解pandas的功能，就必须先了解pandas创建出对象的数据类型

Series

Series类型由一组数据及与之相关的数据索引组成,用于一维数组
简称：一组索引，一组值

DataFrame

DataFrame类型由共用相同索引的一组列组成，用于二维或多维数组
简称：一组索引，多组值

数据类型操作

创建对象

import pandas as pd

Series

#列表创建
#注：顺序不可调换：值在前，索引在后. index可省略
pd.Series([1,2,3,4])
pd.Series([1,2,3,4],index=[0,1,2,3])
pd.Series([1,2,3,4],[0,1,2,3])
#range函数创建
pd.Series(range(1,5,1))
#ndarray创建
pd.Series(np.array(range(1,5,1)))
#字典创建
#字典中的key相当于Series中的index
pd.Series({0:1,1:2,2:3,3:4})
#index参数可以指定索引顺序
pd.Series({0:1,1:2,2:3,3:4},index=[0,1,2,3])
#以上运行结果皆为(除np是int32以外)
Out[94]:
0    1
1    2
2    3
3    4
dtype: int64

DataFrame

#由Series&字典创建
pd.DataFrame({'one':pd.Series(range(1,3,1),['a','b']),'two':pd.Series([4,5],index=['a','b'])})
#由列表字典创建
pd.DataFrame({'one':[1,2],'two':[4,5]},index=['a','b'])
#上述两种创建方式结果均为：
Out[100]: one  two
a    1    4
b    2    5
#从二维ndarray对象创建
pd.DataFrame(np.arange(10).reshape(2,5),index=['a','b'],columns=['one','two','three','four','five'])
Out[103]: one  two  three  four  five
a    0    1      2     3     4
b    5    6      7     8     9

对象属性

#Series&DataFrame共有
n.values
n.index
#Series
n.name #需提前在创建时指定属性 n=np.Series(...,name='')
n.index.name
#DataFrame
n.columns

对象方法

适用于Series和DataFrame

get  #类似字典中的get方法
n.get(key, default=None)
key -- 字典中要查找的键。
default -- 如果指定键的值不存在时，返回该默认值。
in #判断值是否存在
存在返回True
不存在返回False

索引

pandas数据类型存在两种索引类型：

数字索引（从0开始）
自定义索引

DataFrame类型既有行索引也有列索引

#行索引
n.index
#列索引
n.columns
#值索引
n[c][i]

Series类型只有行索引

重新排序

n.reindex()

自定义行或列的排序

n.reindex(index=None, columns=None, …)
index=[你希望重排后的顺序]
columns=[你希望重排后的顺序]

index, columns 新的行列自定义索引
fill_value 重新索引中，用于填充缺失位置的值
method 填充方法, ffill当前值向前填充，bfill向后填充
limit 最大填充量
copy 默认True，生成新的对象，False时，新旧相等不复制

n.sort_index()

对行或列进行升序或降序排序

n.sort_index(axis=0,ascending = False)
axis 轴
#轴(axis): 保存数据的维度；秩(rank)：轴的数量
axis=0 默认重排行
axis=1 重排列
ascending=False 升序（从小到大）

n.sort_values()

按值排序

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
#### 参数说明
axis=0 默认重排行
axis=1 重排列
by:str or list of str；
axis=0，by="列名"
axis=1，by="行名"；
ascending=True 升序(从小到大)
inplace:布尔型，是否用排序后的数据框替换现有的数据框
kind:排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}
默认是kind='quicksort'
na_position : {‘first’, ‘last’}
na_position='last'默认缺失值排在最后面

增添&修改

增添行/列

insert方法 索引类型方法 (作用对象为index类型)

创建一个索引类型，调用insert方法

#在loc位置增加一个元素e
d.index.insert(loc,e)
d.columns.insert(loc,e)

利用reindex方法替换掉旧的行/列

n = pd.DataFrame(np.arange(10).reshape(2,5),index=['a','b'],columns=['one','two','three','four','five'])
Out[103]: one  two  three  four  five
a    0    1      2     3     4
b    5    6      7     8     9
ni=n.index.insert(2,'c')
nc=n.columns.insert(5,'six')
n.reindex(index=ni,columns=nc,fill_value=0)
Out[154]: one  two  three  four  five  six
a    0    1      2     3     4    0
b    5    6      7     8     9    0
c    0    0      0     0     0    0

删除

delete方法 索引类型方法

.delete(loc) 删除loc位置处的元素
用法与insert相同

drop
删除Series和DataFrame指定行或列索引

n.drop(index,axis=0)
axis=0 默认是行
axis=1 列

数据运算

数据运算时，倾向将对象看做一个整体，类似行列式，矩阵；对整体进行运算

同维度

算数运算
自动补齐，索引相对应相加减
比较运算
产生布尔对象，不补齐

不同维度

默认在1轴（即航运算），如果想要进行列运算，要制定axis=0

第三个问题
和其他数据处理第三方库相比，pandas有什么不同&相同之处?
numpy是基础数据类型，常与pandas搭配使用
pandas是扩展的数据类型
numpy更注重数据维度
pandas更注重数据与索引之间的关系和运算

一种观念只能生长在一堆观念之上，学习新事物尤是如此