pandas使用
一.Series
1.Series的建立
import numpy as np
import pandas as pd
(1)直接建立
pddata_1 = pd.Series(data=[1,2,3],index = [4,17,'a'],dtype = np.float64)
pddata_1 = pd.Series(data=[1],index = [4],dtype = np.float64) 仅含有单个元素,记得加括号(为了形成下面说的四种形式)不然会报错
(2)用字典建立
In [68]: dicttna={1:'foo',3:'drt',8:'tyue'}
In [69]: serie_12=pd.Series(dicttna)
data里面添加的数据可以为数组,列表,元祖,生成器四种形式
index索引中内容可以自定义,但是必须和data的长度一致
2.获取数据值和索引(用values和index)
(1)获取所有的值
pddata_1.values
Out[19]: array([ 1., 2., 3.]) 返回一个数组
(2)获取索引
pddata_1.index
Out[21]: Int64Index([4, 5, 6], dtype='int64') 返回的数据形式未知
(3)利用索引获取某一个数值
pddata_1['a']
Out[25]: 3.0
3.Series的增删改查
增:类似于字典直接添加,还可以用append 见下5(3)
删:drop(只是视图上删除,原数据没有改变) del 彻底删除元素
pddata_1.drop('a') 注意是小括号
del pddata_1['a']
pddata.pop('a') 会返回删除的值
改:update 见下面5(2)
查:见2 获取数据和索引
4.Series数据的过滤和计算
(1)过滤
注意逻辑与用&表示,逻辑或用|表示(区分python的使用)
逻辑两边必须加括号,加括号,加括号
seriesdata_2[(seriesdata_2>1) & (seriesdata_2<10)]
Out[34]:
t 9
o 3
dtype: int64
(2)计算
seriesdata_2*3
Out[35]:
a 102
d -12
e -135
y -111
f 96
t 27
u 3
o 9
dtype: int64
In [38]: np.sin(seriesdata_2)
Out[38]:
a 0.529083
d 0.756802
e -0.850904
y 0.643538
f 0.551427
t 0.412118
u 0.841471
o 0.141120
dtype: float64
5.Series类似于字典的结构
Series的数据类似于字典的键,index类似于字典的值
(1)Series的in功能
datas_pys=pd.Series(range(4),index=['i','want','to','do'])
datas_pys
Out[40]:
i 0
want 1
to 2
do 3
dtype: int32
'want' in datas_pys 返回True值,相当于字典中 查找键是否存在
Out[41]: True
(2)Series的update功能
注意点:update内部必须是Series函数
更新多个数据
datas_pys.update(pd.Series([2,3,4],index = ['want','to','do']))
datas_pys
Out[44]:
i 0
want 2
to 3
do 4
dtype: int32
更新单个数据
datas_pys.update(pd.Series([11],index=['to']))
datas_pys
Out[49]:
i 0
want 2
to 11
do 4
dtype: int32
(3)Series的append功能
可以类似于字典直接添加元素
data_1
Out[58]:
i 55
want 11
to 2
do 22
dtype: int64
data_1['wang']=66
data_1
Out[60]:
i 55
want 11
to 2
do 22
wang 66
dtype: int64
s1 = pd.Series([1,2,3])
s2 =pd.Series([4,5,6,7])
s3 = pd.Series([4,5,6],index=[5,6,7])
s1.append(s2)
Out[57]:
0 1
1 2
2 3
0 4 注意新添加的数据的索引从0开始重新填写
1 5
2 6
3 7
dtype: int64
In [62]: s1.append(s3)
Out[62]:
0 1
1 2
2 3
5 4 添加的索引为s3已经定义好的索引
6 5
7 6
In [63]: s1.append(s2, ignore_index=True)
Out[63]:
0 1
1 2
2 3
3 4 如果添加 ignore_index=True,那么索引会自动按顺序添加
4 5
5 6
dtype: int64
(4)isnull和notnull函数可用于检测数据缺失。
In [79]: dit_113={'lin':139,'zhang':134,'wang':173,'tan':None}
In [80]: serie_123=pd.Series(dit_113)
In [81]: serie_123
Out[81]:
lin 139.0
tan NaN
wang 173.0
zhang 134.0
dtype: float64
In [82]: pd.isnull(serie_123)
Out[82]:
lin False
tan True
wang False
zhang False
dtype: bool
In [83]: pd.notnull(serie_123)
Out[83]:
lin True
tan False
wang True
zhang True
dtype: bool
serie_123.notnull()
Out[85]:
lin True
tan False
wang True
zhang True
dtype: bool
