＜pandas＞learning...
pandas
1.Series
Series 序列，是 Pandas 常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间一一对应
（1）创建Series对象
#创建空Series
import pandas as pd
s=pd.Series()
print(s) #>>> Series([], dtype: float64)
ndarray创建Series对象
import pandas as pd
import numpy as np
data=np.array(["a","b","c"])
s=pd.Series(data)
m = pd.Series(data,index=["s","ss","sss"])
#可以自定义index索引值
print(s) #>>> 0 a
# 1 b
# 2 c
# dtype: object
dict创建Series对象
如果没有传入索引时会按照字典的键来构造索引；但是当传递了索引时需要将索引标签与字典中的值一一对应。当传递的索引值无法找到与其对应的值时，使用 NaN（非数字）填充。
data={"a":1,"b":2,"c":3}
s=pd.Series(data,index=["b","a","c"])
print(s) #>>> b 2
# a 1
# c 3
# dtype: int64
标量创建Series对象
如果 data 是标量值，则必须提供索引
s=pd.Series(3,index=[1,3,5])
print(5) #>>> 1 3
# 3 3
# 5 3
# dtype: int64
（2）访问数据
print(a[0])
print(a[:3])
print(a[-2:]) #获取后两位
print(a["m","n"]) #通过index获取多位
（3）Series属性
empty
#判断是否为空
print(s.empty) #>>> False
ndim
#输出维数
print(s.ndim)
size
#输出长度大小
print(s.size)
values
#以数组形式返回Series中数据
print(s.values)
index
#查看 Series 中索引的取值范围
print(s.index)
(4)常用
head()
#返回前几行数据
print(s.head(3))
tail()
#返回后几行
isnull()
如果为值不存在或者缺失，则返回 True
print(pd.isnull(aaa)) #有空值则返回True
#>>> 0 False
# 1 False
# 2 False
# 3 True
# dtype: bool
notnull()
如果为值不存在或者缺失，则返回 False
2.DataFrame
表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型…
DataFrame 的每一行数据都可以看成一个 Series 结构，DataFrame 为这些行中每个数据值增加了一个列标签（columns）
(1)创建DataFrame
#空DataFrame
import pandas as pd
pd.DataFrame()
列表创建
#单一列表
data=[1,2,3,4,5]
s=pd.DataFrame(data)
print(s) #>>> 0
# 0 1
# 1 2
# 2 3
# 3 4
# 4 5
#嵌套列表
data=[["a",10],["b",23],["c",32]]
m=pd.DataFrame(data,columns=["name","age"])
print(m) #>>> name age
# 0 a 10
# 1 b 23
# 2 c 32
字典嵌套列表
import pandas as pd
data = {"name":["Tom", "Jack", "Steve", "Ricky"],"age":[28,34,29,42]}
df = pd.DataFrame(data)
print(df)
#>>> age name
# 0 28 Tom
# 1 34 Jack
# 2 29 Steve
# 3 42 Ricky
key作为columns，value是这一列
已有columns，不可再定义；但是可以定义index (注意数量上对应)
df=pd.DataFrame(data,index=["first","second","third"])
#>>> name age
# first a 11
# second b 22
# third c 33
列表嵌套字典
data=[{"one":"lim","two":"dsm"},{"one":"vds","two":"sd","three":"iu"}]
#>>> one two three
# first lim dsm NaN
# second vds sd iu
key作columns，几个字典则有几行，可定义index
如果其中某个元素值缺失，即字典的 key 无法找到对应的 value，将使用 NaN 代替
！！！如果有columns=[“one”],则根据索引只打出这一列，若有columns=[“oneone”]这种未存在的，则打出"NaN"
Series创建
可以传递一个字典形式的 Series
import pandas as pd
s={"one":pd.Series((1,2),index=["first","second"]),
"two":pd.Series((3,4,7),index=["first","third","last"])}
df=pd.DataFrame[s]
print(df)
###>>> one two
# first 1.0 3.0
# last NaN 7.0
# second 2.0 NaN
# third NaN 4.0
(2)列索引columns
选取 列
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df ['one'])
添加新列
#df[“columns”]=value
df["three"]=pd.Series((1,2),index="a","b")
#加法
df["sum"]=df["one"]+df["three"]
#insert()
df.insert(2,columns="sports",value=["soccer","run"])
”2“表示插入columns这列的索引位置
删除列
del()
del df["first"]
pop()
df.pop("last")
(3)行索引index
选取
loc()
s={"name":pd.Series(["mm","fn"],index=["one","two"]),"age":pd.Series(["dw","err","sda"],index=["two","three","four"])}
df=pd.DataFrame(s)
print(df) #>>>name age
# four NaN sda
# one mm NaN
# three NaN err
# two fn dw
print(df.loc["two"])
#>>>name fn
# age dw
# Name: two, dtype: object
loc()可以传递index和columns，以“,”隔开。来锁定特定一个元素
iloc()
print(df.iloc[0]
[]里是行数索引如0，1，2…不是index名字
切片选取多行
print(df[1:3])
左闭右开
添加行
append()
df3=pd.DataFrame([[3,4],[1,2]],columns=["name","age"])
在行末追加数据行
删除行
drop()
df=df.drop(1)
(4)统计上
sum()
默认axis=0或者使用sum(“index”)，可以加字符
cumsum() #计算累计和
axis=0 行，按垂直方向进行计算 ； axis=1 列，按水平方向进行计算
可以加字符
mean()
median()
mode() #求众数
std() #标准差
min()
max()
abs()
prod() #积
cumprod() #计算累计积
axis=0 行， 按垂直方向进行计算 ； axis=1 列，按水平方向进行计算
describe() #输出了平均值、std 和 IQR 值(四分位距)等一系列统计信息
也可提供include可筛选字符列、数字列信息
相关参数：object 对字符列统计；number 对数字列统计；all 汇总所有列
print(df.describe(include=["object"]))
3.读取文件
read_csv()
从 CSV 文件中读取数据，并创建 DataFrame 对象
自定义索引 index_col
import pandas as pd
df=pd.read_csv("C:/Users/Administrator/Desk/personal.csv",index_col=['name'])
print(df)
跳过指定行数 skiprows
df=pd.read_csv("C:/Users/Administrator/Deskt/personal.csv",skiprows=4)
### skiprows=4的4是行数，不是索引为5的行
to_excel()
file="xxx.xlsx"
df=pd.read_excel(file,sheet_name="sheet2")
df2=pd.read_excel(file,sheet_name=[0,2,"sheet1"])
#返回第一、三张、及名为“sheet”的工作表
sheet_name 指定工作表名
sheet_name:指定工作表名，默认第一个。返回DataFrame类型数据
header 指定标题行（列名）
df2=pd.read_excel(file,sheet_name="sheet1",header=1)
指定第二行为标题行。header默认第一行。
names 指定列名
如果数据已经有列名了，则替换掉原有的列名
df3=pd.read_excel(file,header=None,names=list("abcde"))
#如果只想使用names，且对源数据不做任何修改，可以指定header=None。因为header默认第一行
index_col 指定列索引
df4=pd.read_excel(file,sheet_name="sheet1",index_col=0)
#指定col=0的列为索引，即第一列数据作为索引
skiprows 跳过指定行数的数据
df= pd.read_excel(file,sheet_name='Sheet1', skiprows=0)
4.保存文件
to_csv()
将 DataFrame 转换为 CSV 数据
如果想要把 CSV 数据写入文件，需向函数传递一个文件路径
de=pd.DataFrame(data)
csv_data=de.to_csv("C:/Users/Administrator/Deskt/personal.csv")