基于MOOC嵩天《Python数据分析与展示》视频学习记录——第三周：Pandas

文章目录

• 1.Pandas库的基本数据类型
• 1.1.Series类型
• 1.1.1自动索引
• 1.1.2.自定义索引
• 1.2.创建Serises类型
• 1.2.1.从标量值创建
• 1.2.2.从字典类型创建
• 1.2.3.从ndarray类型创建
• 1.2.4.总结
• 1.3.Series类型的基本操作
• 1.4.Series类型的对齐操作
• 1.5.Series类型的name属性
• 1.6.Series类型的修改
• 2.1.DataFrame类型
• 2.2.创建DataFrame类型
• 2.2.1.从ndarray对象创建
• 2.2.2.从一维ndarray对象字典创建
• 2.2.3.从列表类型的字典创建
• 2.3.DataFrame类型的基本操作
• 2.Pandas库的数据类型操作
• 2.1.重新索引
• 2.2.索引类型的常用方法
• 2.3.删除指定索引对象
• 2.4.Pandas库的数据类型运算
• 2.4.1.方法形式的运算
• 2.4.2.比较运算法则

1.Pandas库的基本数据类型

1.1.Series类型

Series类型由一组数据及与之相关的数据索引组成。

1.1.1自动索引

1.1.2.自定义索引

注：若index为第二个变量，则可以省略

1.2.创建Serises类型

1.2.1.从标量值创建

注：index不能省略

1.2.2.从字典类型创建

同时可以通过index指定Series的结构并从字典选取对应值：

1.2.3.从ndarray类型创建

同时也可以通过index指定索引：

1.2.4.总结

1.3.Series类型的基本操作

b = pd.Series([9, 8, 7, 6], index=['a', 'b', 'c', 'd'])
b.index  # 获取索引
b.values  # 获取数据

• 自动索引与自定义索引并存
• 并存但不能混用
  
  
  
  
  

1.4.Series类型的对齐操作

相同索引的数值之间进行运算：

1.5.Series类型的name属性

Series对象和索引都可以有一个名字，存储在属性.name中。
Series对象可以随时修改并即刻生效。

1.6.Series类型的修改

Series对象可以随时修改并即刻生效。

2.1.DataFrame类型

• DataFrame类型由共用相同索引的一组列组成。
• DataFrame是一个表格型的数据类型，每列值类型可以不同。
• DataFrame既有行索引、也有列索引。
• DataFrame常用于表达二维数据，但可以表达多维数据。
  

2.2.创建DataFrame类型

2.2.1.从ndarray对象创建

2.2.2.从一维ndarray对象字典创建

2.2.3.从列表类型的字典创建

2.3.DataFrame类型的基本操作

d.index  # 获得第0列的索引
d.columns  # 获得第0行的索引
d.values  # 获得数据部分

DataFrame基本操作类似于Series，依据行列索引。

2.Pandas库的数据类型操作

2.1.重新索引

.reindex( )能够改变或重排Series和DataFrame索引。

.reindex( )的其他参数：

2.2.索引类型的常用方法

2.3.删除指定索引对象

.drop( )能够删除Series和DataFrame指定行或列索引。

2.4.Pandas库的数据类型运算

算术运算法则：

• 算术运算根据行列索引，补齐后运算，运算默认产生浮点数。
• 补齐时缺项填充NaN (空值)。
• 二维和一-维、一维和零维间为广播运算。
• 采用± * /符号进行的二元运算产生新的对象。
  

2.4.1.方法形式的运算

2.4.2.比较运算法则

• 比较运算只能比较相同索引的元素，不进行补齐。
• 二维和一-维、一维和零维间为广播运算。
• 采用><>=<=-- !=等符号进行的二元运算产生布尔对象。