pandas基礎之 Series與DataFrame操作

　　pandas包

　　# 引入包

　　import pandas as pd

　　import numpy as np

　　import matplotlib.pyplot as plt

　　Series

　　Series 是一維帶標簽的數組，數組里可以放任意的數據(整數，浮點數，字符串，Python Object)。其基本的創建函數是：

　　s = pd.Series(data, index=index)

　　其中 index 是一個列表，用來作為數據的標簽。data 可以是不同的數據類型：

　　Python 字典

　　ndarray 對象

　　一個標量值，如 5

　　Series創建

　　s = pd.Series([1,3,5,np.nan,6,8])

　　Series日期創建

　　# 生成日期 從2013-01-01 生成至 2013-01-06

　　dates = pd.date_range('20130101', periods=6)

　　# DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04','2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')

　　Series創建列表

　　# 生成2列 第一列： 012345678910 第二列： abbcdabacad

　　s = pd.Series(list('abbcdabacad'))

　　# 統計不同的列名

　　s.unique()

　　# 統計列名出現的次數

　　s.value_counts()

　　# 判斷第一列是否在列表中

　　s.isin(['a', 'b', 'c'])

　　Series索引

　　# 兩列一列abcde 一列5個隨機數

　　s = pd.Series(np.random.rand(5), index=list('abcde'))

　　# s的列名(第一列)，是Index對象

　　s.index

　　# 添加一行 alpha

　　s.index.name = 'alpha'

　　# 返回所有第一列為'a'的值

　　s['a']

　　# 是否有重復的index

　　s.index.is_unique

　　# 返回不重復index

　　s.index.unique()

　　# 按index分組，求出每組和

　　s.groupby(s.index).sum()

　　DataFrame

　　DataFrame 是二維帶行標簽和列標簽的數組。可以把 DataFrame 想你成一個 Excel 表格或一個 SQL 數據庫的表格，還可以相像成是一個 Series 對象字典。它是 Pandas 里最常用的數據結構。

　　DataFrame創建

　　df = pd.DataFrame(np.random.randn(4, 6), index=list('ADFH'), columns=['one', 'two', 'three', 'four', 'five', 'six'])

　　# 添加index 如果該index沒有對應值設為NaN

　　df2 = df.reindex(index=list('ABCDEFGH'))

　　# 重新設置col(行頭)

　　df.reindex(columns=['one', 'three', 'five', 'seven'])

　　# 把NaN值設為默認的0

　　df.reindex(columns=['one', 'three', 'five', 'seven'], fill_value=0)

　　# fill method 只對行有效

　　df.reindex(columns=['one', 'three', 'five', 'seven'], method='ffill')

　　# 重置列index

　　df.reindex(index=list('ABCDEFGH'), method='ffill')

　　DataFrame操作

　　df = pd.DataFrame(np.random.randn(4, 6), index=list('ADFH'), columns=['one', 'two', 'three', 'four', 'five', 'six'])

　　# 所有index 為'A' col 為'one'的位置的值設置為100

　　df.loc['A']['one'] = 100

　　# 舍棄index 為'A'的行

　　df.drop('A')

　　# 舍棄columns 為 'two' 'four'的列

　　df2 = df.drop(['two', 'four'], axis=1)

　　# 數據拷貝

　　df.iloc[0, 0] = 100

　　# 獲取index 為'one'的行

　　df.loc['one']

　　DataFrame計算

　　df = pd.DataFrame(np.arange(12).reshape(4, 3), index=['one', 'two', 'three', 'four'], columns=list('ABC'))

　　# 每一列作為一個 Series 作為參數傳遞給 lambda 函數

　　df.apply(lambda x: x.max() - x.min())

　　# 每一行作為一個 Series 作為參數傳遞給 lambda 函數

　　df.apply(lambda x: x.max() - x.min(), axis=1)

　　# 返回多個值組成的 Series

　　def min_max(x):鄭州人流多少錢 http://mobile.zyyyzz.com/

　　return pd.Series([x.min(), x.max()], index=['min', 'max'])

　　df.apply(min_max, axis=1)

　　# applymap 逐元素計算 每個值保留2位小數

　　formater = '{0:.02f}'.format

　　df.applymap(formater)

　　DataFrame列選擇/增加/刪除

　　df = pd.DataFrame(np.random.randn(6, 4), columns=['one', 'two', 'three', 'four'])

　　# 第三列 為 第一列 加上 第二列

　　df['three'] = df['one'] + df['two']

　　# 添加一個flag列 大于0為True 否則為False

　　df['flag'] = df['one'] > 0

　　# 刪除col為'three'的列

　　del df['three']

　　# 獲取被刪的

　　four = df.pop('three')

　　# 選取col為 five

　　df['five'] = 5

　　#

　　df['one_trunc'] = df['one'][:2]

　　# 指定插入位置

　　df.insert(1, 'bar', df['one'])

　　使用assign() 方法來插入新列

　　df = pd.DataFrame(np.random.randint(1, 5, (6, 4)), columns=list('ABCD'))

　　# 新列Ratio 值為 df['A'] / df['B']

　　df.assign(Ratio = df['A'] / df['B'])

　　# 新列AB_Ratio CD_Ratio 值為lambda表達式的值

　　df.assign(AB_Ratio = lambda x: x.A / x.B, CD_Ratio = lambda x: x.C - x.D)

　　DataFrame排序

　　df = pd.DataFrame(np.random.randint(1, 10, (4, 3)), index=list('ABCD'), columns=['one', 'two', 'three'])

　　# 按index 為one 排序

　　df.sort_values(by='one')

　　#

　　s.rank()

　　DataFrame操作

　　DataFrame 在進行數據計算時，會自動按行和列進行數據對齊。最終的計算結果會合并兩個 DataFrame。

　　df1 = pd.DataFrame(np.random.randn(10, 4), index=list('abcdefghij'), columns=['A', 'B', 'C', 'D'])

　　df2 = pd.DataFrame(np.random.randn(7, 3), index=list('cdefghi'), columns=['A', 'B', 'C'])

　　df1 + df2

　　df1 - df1.iloc[0]