pandas：数据分析

pandas是一个强大的Python数据分析的工具包。

pandas是基于NumPy构建的。

pandas的主要功能

具备对其功能的数据结构DataFrame、Series

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

安装方法：pip install pandas

引用方法：import pandas as pd(习惯给pandas起别名)

Series

Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签(索引)组成。

创建方式

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’])

获取值数组和索引数组：values属性和index属性

Series比较像列表(数组)和字典的结合体。

Series特性

Series支持数组的特性：

从ndarray创建Series：Series(arr)

与标量运算：sr*2

两个Series运算：sr1+sr2

索引：sr[0], sr[[1,2,4]]

切片：sr[0:2](切片依然是视图形式)

通用函数：np.abs(sr)

布尔值过滤：sr[sr>0]

统计函数：mean() sum() cumsum()

Series支持字典的特性(标签)：

从字典创建Series：Series(dic),

in运算：’a’ in sr、for x in sr

键索引：sr['a'], sr[['a', 'b', 'd']]

键切片：sr['a':'c']

其他函数：get('a', default=0)等

Series：整数索引

import pandas as pd import numpy as np sr=pd.Series(np.arange(4.)) sr[-1] KeyError! #pandas的数组对象在查找数据时，会以标签优先查找，也就是第一列表头信息，而不是我们认为的索引

如果索引是整数类型，则根据整数进行数据操作时总是面向标签的。

loc属性 以标签解释

iloc属性 以下标解释

Series数据对齐

pandas在运算时，会按索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作数索引的并集。

注意:NaN属于数字类型，表示不是数字类型的数字类型，通常称为缺失值

如何在两个Series对象相加时将缺失值设为0？

sr1.add(sr2, fill_value=0)

灵活的算术方法：add, sub, div, mul

Series缺失数据

缺失数据：使用NaN(Not a Number)来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。

处理缺失数据的相关方法：

dropna() 过滤掉值为NaN的行

fillna() 填充缺失数据

isnull() 返回布尔数组，缺失值对应为True

notnull() 返回布尔数组，缺失值对应为False

pandas：DataFrame

DataFrame是一个表格型的数据结构，含有一组有序的列。

DataFrame可以被看做是由Series组成的字典，并且共用一个索引。

创建方式：

pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})

　　pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),

通常该类数据类型不需要我们手动去创建出来，而是通过读取表格文件来自动获取。最常用的获取和存储数据

csv文件读取与写入：

df.read_csv('filename.csv')

df.to_csv()

DataFrame查看数据

查看数据常用属性及方法：

index 　　　　　　 获取索引

T 　　　　　　　　 转置

columns 　　　　　获取列索引

values 　　　　　　获取值数组

describe() 　　　　 获取快速统计

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

DataFrame索引和切片

DataFrame有行索引和列索引。

DataFrame同样可以通过标签和位置两种方法进行索引和切片。

DataFrame使用索引切片：

方法1：两个中括号，先取列再取行。 df['A'][0]

方法2(推荐)：使用loc/iloc属性，一个中括号，逗号隔开，先取行再取列。

loc属性：解释为标签

iloc属性：解释为下标

向DataFrame对象中写入值时只使用方法2

行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。(注意：两部分都是花式索引时结果可能与预料的不同)

DataFrame数据对齐与缺失数据

DataFrame对象在运算时，同样会进行数据对齐，行索引与列索引分别对齐。 结果的行索引与列索引分别为两个操作数的行索引与列索引的并集。

DataFrame处理缺失数据的相关方法：

dropna(axis=0,how='any',…)

fillna()

isnull()

notnull()

其他常用方法

pandas：时间对象处理

灵活处理时间对象：dateutil包 dateutil.parser.parse()

成组处理时间对象：pandas pd.to_datetime(['2001-01-01', '2002-02-02'])

产生时间对象数组：date_range start 开始时间 end 结束时间 periods 时间长度 freq 时间频率，默认为'D'，可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…

pandas：时间序列

时间序列就是以时间对象为索引的Series或DataFrame。

datetime对象作为索引时是存储在DatetimeIndex对象中的。

时间序列特殊功能：

传入“年”或“年月”作为切片方式

传入日期范围作为切片方式

丰富的函数支持：resample(), strftime(), ……

　　批量转换为datetime对象：to_pydatetime()

pandas：写入到文件