python基础：数据分析_Pandas
参考视频：
https://www.bilibili.com/video/BV1HJ411j7NG?p=2
一、Pandas基础操作
▲：Pandas常用数据结构
1）Series创建
使用 pd.Series() 函数来创建一个Series对象，括号中的参数通常为一个列表、字典、数组等：
也可以自己对 series 对象配置索引：
参数为一个数组：
参数为一个字典：
如上图所示，此时，字典的键就是series对象的索引。
2）Series的常用属性及方法
series.values : 返回Series对象所有元素
Series.index : 返回索引
Series.dtypes : 返回数据类型
Series.ndim : 返回对象维度
Series.size : 返回对象中元素个数
Series对象还可以根据切片、索引来访问
注意上图中，当使用标签索引来访问Series对象时，不再是左闭右开的访问了。
Series.append(a) 函数：用来返回一个添加了a对象之后的series对象，但注意，使用 append() 函数并不会改变series对象，只是返回一个新的对象。
Series.drop() :用来删除series对象中的元素，返回一个视图,但是不会修改原对象；但是如果加上 inplace = True 参数，就可以对原对象进行修改。
3）DataFrame类对象的创建
我们可以将series看做是一个dataframe的一列，或者说dataframe就是由series构成。
创建DataFrame对象时，里面的数据参数可以是列表、字典或数组。index 代表每一行的索引的名字，columns 参数代表列的名字：
使用列表作为数据参数创建DataFrame对象：
使用字典作为数据对象来创建DataFrame对象：
字典的键名就是df对象的列的名字，即 columns 的值。
使用数组结构来创建DataFrame对象：
如下图所示，可以使用 index 来修改每一行的索引的名字：
4）DataFrame的常用属性
df.values:将数据集以数组的形式输出：
▲数据的获取和保存：
虽然我们学习了通过numpy获取外部数据，但是我们还是常用pandas做数据分析，因为pandas读取出来的结构是数据框格式(即 dataframe的格式)，非常类似于数据库中的表结构，非常有利于我们以后的分析。
开始之前先将 os库也导入，它可以用来查看当前路径等等,并可以设置python当前默认路径。
假如我们需要读取的数据都在 C:\\Users\\Mark 中，可以将python默认路径改为：
这样我们读取数据时，写路径就不需要再 加上 C:\\Users\\Mark 了
1）读取csv数据：使用 df = pd.read_csv() 函数（注意，读取出来的格式是数据框 dataframe 格式的数据，所以将读取出来的数据复制给 df对象）
假如桌面上有：
使用：
pd.read_csv() 函数来读取csv数据：
使用 df.head(5) 来查看前5行数据
df.tail(5)来查看后5行数据
df.types
输出每一变量的类型
还可以在 pd.read_csv() 函数 使用参数 dtype （注意不加s）来改变每一列（每一个series）的类型：
还可以在 pd.read_csv() 函数 使用参数 nrows = 5 来只读取数据的前5行：
pd.read_csv() 函数读取时默认的 delimiter 分隔符为英文的 逗号,
pd.read_csv() 函数的参数 header = 1 表示想从第一行开始读取，即将第一行作为表头：
2）读取excel数据：使用 df = pd.read_excel() 函数
假如桌面上有：
使用 pd.read_excel() 函数来读取excel：
注意，pd.read_excel() 函数的参数与 pd.read_csv() 函数的参数基本相同，但最新版的pandas的 pd.read_excel() 函数不支持 encoding 参数，直接读取就可以了。
此外，pd.read_excel() 函数中还增加了一个 sheet_name 参数，指读取excel的哪一页，也可以不用工作页的名字，用0代表第一页，1代表第二页等：
如果想同时读取两页，只需：
那么如何将两个工作页读取到一个大的数据框中呢？
上图中，pd.concat()是拼接函数，拼接的结果需要放在一个新的df对象data_all中，循环每执行一次，就访问excel中的一页，就将data_all（全局变量） 与在excel 新页中读取到的数据data（局部变量，每读取一次都会覆盖上一次的读取结果）进行拼接，实现读取全部页数据。ignore_index = True 参数表示将左边的索引号按顺序写下去，如果不加该参数就会如下图所示：
3）将读取的数据框保存：
我们使用 df.to_csv() 函数来保存数据框为 csv 文件。一般加上一个参数 index = False ，表示不将数据框的索引也保存进数据， 如果不加该参数，数据的最前面一列就会保存上列索引。
如下图所示：
我们使用 df.to_excel() 函数来将数据框保存为 excel 文件：
▲数据筛选
查看前6行可以用切片的方式：
df[:6]
假如想选择某一列(某一个series)，可以有两种方法：
df.列名
df['列名']
如果想选择多列：
df[ ['列名1','列名2'] ]
某些列的前几行：
loc [A,B]和 iloc [A,B]的用法：
单独取出某一（某些）行列：
loc函数用法中，里面的参数A，B都是行的标签名或者列的名字，而不是数字
iloc函数用法中，里面的参数都是行的标签名或者列的位置（数字），而不是名字
loc函数：
df.loc[:,'列名']
df.loc[:,['列名1',‘列名2’]]
(逗号前的冒号表示取所有行）
如果还需要限制行标签：
df.loc[行索引名,'列名']
df.loc[[行索引名1，行索引名2],['列名1',‘列名2’]]
注意，行索引名不需要加引号
loc函数还可以进行条件查询：
iloc函数：
取2~4列：
取2,5两列：
取第四行的第二和第五列：注意此时的前面的参数写的是索引而不是行索引名字，所以前面一个参数应该是3
注意上图中的区别，因为loc参数是行索引的名字，所以取的是从索引名为0的行到索引名为3的行
而iloc函数中参数为索引值，所以取的第1行（行索引为0）到第3行（行索引为2）（因为python是左闭右开）
增删改查和条件查询：
条件查询，查询 表头1 该列内容为21的 那一行的数据：
在此基础上限定列：
或者不将列的名字写成列表形式：
多个条件时，每个条件用括号括起来，并用 & 连接：
如果是表示 或 ，用符号 | 连接：
数据增加 列：
数据列删除
drop（），注意如果要删除列，drop（）函数中参数 axis = 1 时是删除列，axis = 0时是删除行
因为axis = 0 时是按照行进行遍历，axis = 1 时是按照列的方向进行遍历
如删除新增列1：
但是这种方式只是返回了一个 删除了 新增列1 的视图，原数据并未删除 新增列1，如果想要原数据也删除，需要增加参数 inplace = True
还有一种删除 是 del df['列名']
但是这种方式只能一列列删，此种方式会删除原数据中的列
同时删除两列，就把要删除的多个列以列表的形式作为参数：
按行删除：
其中第一个参数是行标签的名字，而不是索引值， axis 一定要设定为0
删除多行：
插入：
df.insert() 函数
假如将新增列2 插入原数据的第一列：
如上图所示，首先将要插入的 series对象赋值给 mid，然后使用 order.insert()函数
其中，order.insert(0,‘插入列1’,mid) 中， 0 表示要插入哪一列，‘插入列1’ 表示新插入的列的名字，mid 表示要插入的series
修改：
修改还是使用 loc和iloc函数，先找到列（行），然后再修改
注意上图，因为是loc函数，索引使用 列的名字 或者 行索引的名字找到某一列（行），然后后面一个参数是要修改的哪一个位置，上图即先找到 表头1 = 1 所在的行，然后修改 表头1 的值为10000
上图还是用loc函数进行修改，因此 0 代表行索引名字为0 的那一行，然后找到 表头2 这一列，将表头2 的值修改为20000
修改列名：
order.rename()
如上图所示，注意使用字典的符号 {} 来修改的
修改行索引的名字：
