import pandas as pd import numpy as np

Series

创建Series

使用数组创建

可以使用Py原生的list类型，np的数组类型

a = pd.Series(np.arange(2,10,2)) print(a)

0 2 1 4 2 6 3 8 dtype: int32

如果要设定索引，则

a = pd.Series(np.arange(2,10,2),[f'第{i+1}个' for i in range(4)]) print(a)

第1个 2 第2个 4 第3个 6 第4个 8 dtype: int32

使用字典创建

dict_1 = { 'name':"小明", 'age':20, 'sex':"male" } b = pd.Series(dict_1) print(b)

name 小明 age 20 sex male dtype: object

索引和切片

DataFrame

创建DataFrame

使用数组（列表）创建

a =pd.DataFrame(np.arange(12).reshape(3,4)) print(a)

DataFrame对象既有行索引，又有列索引 行索引，表明不同行，横向索引，叫index，0轴，axis=0 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

b =pd.DataFrame(np.arange(12).reshape(3,4),index=['a','b','c'],columns=['w','x','y','z']) print(b)

不一定是二位数组，一维的字典列表也可以

dict_c1 ={ 'name' : 'person1', 'age': 20 } dict_c2 = { 'name' : 'person2', 'age': 21 } dict_c3 = { 'name' : 'person3', 'age': 22 } list_c = [dict_c1,dict_c2,dict_c3] c = pd.DataFrame(list_c) print(c)

使用字典创建

dict_d = { 'name' : ['person1','person2','person3'], 'age': [19,20,21] } d = pd.DataFrame(dict_d) print(d)

DataFrame的属性

e =pd.DataFrame(np.arange(81).reshape(9,9),index=list("abcdefghi")) print(e)

print(e.shape)

(9, 9)

print(e.dtypes)

0 int32 1 int32 2 int32 3 int32 4 int32 5 int32 6 int32 7 int32 8 int32 dtype: object

print(e.ndim)

2

print(e.index)

Index([‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’, ‘h’, ‘i’], dtype=‘object’)

print(e.columns)

RangeIndex(start=0, stop=9, step=1)

print(e.values)

print(e.head())

print(e.tail(3))

print(e.info())

print(e.describe())

取行和列

e =pd.DataFrame(np.arange(81).reshape(9,9),index=list('abcdefghi'),columns=list('ABCDEFGHI')) print(e)

使用索引和切片

索引取列，切片取行

print(e['A'])

print(e[0:2])

print(e[:]['A'])

使用loc和iloc

df.loc 通过标签索引数据df.iloc 通过位置获取数据

loc

print(e.loc['a'])

print(e.loc[:,'A'])

print(e.loc['a':'c',['A','C','D']])

iloc

print(e.iloc[0])

print(e.iloc[:,0])

print(e.iloc[[1,3,4],0:2])

布尔索引

只能够选行

e =pd.DataFrame(np.arange(81).reshape(9,9),index=list('abcdefghi'),columns=list('ABCDEFGHI')) print(e) print(e[e.loc[:,'F']>41])

如果有多个调剂需要对每个条件加上括号，然后之间用&和|来表示且和或

print(e[(e.loc[:,'F']>41)&(e.loc[:,'F']<68)])

缺失数据处理

数据缺失处理主要是针对两种情况

数据是nan数据是0(不一定要处理，一般使用t[t==0]=想要设置的值（其中t为DataFrame对象）来处理) 可以设置为np.nan,因为在计算平均值、中位数等情况的时候np.nan是不参与运算的

先创建带有nan的元素的DataFrame

f = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list('ABCD')) f.iloc[1:,:2] = np.nan print(f)

判断是否为nan

pd.isnull()和pd.notnull()

print(pd.isnull(f)) print(pd.notnull(f))

处理方法1：删除对应的行或者列

f.dropna( axis=0, # 0: 对行进行操作; 1: 对列进行操作 how='any', # 'any': 只要存在 NaN 就 drop 掉; 'all': 必须全部是 NaN 才 drop inplace = False #如果是True则对f进行替换，否则就是生成一个新的DataFrame对象 )

处理方法2：对nan的位置填充数据

使用f.fillna()填充数据 接受的参数为要替换的值可以，设置为f.mean()、f.median()、0等等

h = f.fillna(0)

数据合并

join

merge