01、Pandas基础

Pandas基础

概述：

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。

神器一DataFrame：

DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

神器二Series：

Series它是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象。

图示：

1.创建dataframe 第一种方法

# 构建dataframe
columns = ['时间', '第一产业', '第三产业']

values = [[2017, 1089, 890], [2018, 2131, 4321], [2019, 2133, 3421]]

index = [0, 1, 2]

# 创建dataframe
df = pd.DataFrame(columns=columns, data=values, index=index)

print(df)


# 执行结果
     时间  第一产业  第三产业
0  2017  1089   890
1  2018  2131  4321
2  2019  2133  3421

2.创建dataframe 第二种方法

data = {'时间': [2017, 2018, 2019], '第二产业': [3211, 4123, 4121], '第三产业': [4321, 2313, 1232]}

index = ['a', 'b', 'c']

df2 = pd.DataFrame(data=data,index=index)
print(df2)



# 执行结果
     时间  第二产业  第三产业
a  2017  3211  4321
b  2018  4123  2313
c  2019  4121  1232

3.创建series:没有列索引,一维

data = [1000, 1001, 1200, 1300]
index = ['a', 'b', 'c', 'd']
ser1 = pd.Series(data, index=index)
print(ser1)

dataframe属性：

属性	概述
df.columns	获取列属性
df.index	行属性
values	元素
dtypes	元素类型
shape	表的结构
size	元素个数
ndim	维度