pandas学习笔记

这是小白的第三篇博客，今天小白来学习一下python中的pandas数据分析包，这是参考链接以及十分钟了解pandas

pandas介绍
就理解为一个工具包，包含大量库和一些标准的数据模型，基于numpy的一种工具，用来解决数据分析而提供了大量处理数据的函数和方法。

介绍数据结构
关于数据类型、索引和轴标记/对齐的基础操作适用于所有对象。首先，和小白一起导入numpy和pandas

import numpy as np
import pandas as pd

要记住的是数据对齐在内部，不会破坏标签和数据间的链接（除非你明确要断开链接）
1.Series:
一维数组，可以保存任何数据类型（整数、字符串、浮点数、其他）。可以理解为list，但是只能存储相同的数据类型，用法: s = pd.Series(数据，index = 需要传递的索引标签)
Series还可以有名字，还可以重命名，如下图中s和s1是不同的哦

Time-Series以时间为索引的Series

2.dict:
字典，Series可以被dict实例化，需要注意的是当数据是dict时，如果没有传递索引，索引将按照dict的插入顺序

3.scalar value标量值：
当数据是一个标量值时必须有索引，并且它会重复该值来匹配索引的长度
4.DataFrame:
二维表格型数据结构，具有可能不同类型的列，其实与R语言中的data.frame类似，就数据框嘛还可以接受不同类型的输入，还可以理解为多个Series构成的。除了数据外还可以选择传递索引（行标签）和列（列标签），如果传递索引或者列，要确保索引的结果是数据框，如果是一维数组中的一个dict加上某个索引则会丢弃与传递索引不匹配的所有数据。如果没有传递标签，它会根据默认规则按输入数据构建。
通过传递元组字典还可以自动创建多索引数据框

5.Panel:
三维数组，同上就理解为多个DataFrame构成Panel。

pandas中的函数
1.read_csv()函数
读取指定的csv文件，生成一个包含csv数据的DataFrame
info(返回参数，DataFrame类型) = pd.read_csv(（需要读取的csv文件名字，str类型）)
类似的函数还有read_excel() read_json read_sql() read_html()
2.isnul()函数
返回一个包含数据是否是null的信息数据
bool(返回判断结果，True为null，Fales为不是) = pd.isnull(（需要判断的数据，DataFrame/Series类型）)
3.to_datetime()函数
将传入的数据转换成日期，date(返回的数据，类型由传入的参数确定) = pd.to_datetime(（可以传int/float/string/datetime/list/tuple/Series/DataFrame）)
4.DataFrame函数【4-14属DataFrame类】
生成DataFrame，df = pd.DataFrame(data, index = （作为索引的列参数）)
5.dtypes属性
返回数据结构中每列数据类型，d = df.dtypes
6.columns属性
返回数据结构中每列的列名，index_name = df.columns
7.shape属性
返回数据结构的行列参数，shp(返回元组类型，行列数) = df.shape
8.head()、tail()函数
返回csv列表中的前、后num行数据，hdf = df.head(num = )默认情况下是前10行，tdf = df.tail(num = )同上
9.describe()函数
这个函数画重点哦，小白觉得必有大用，返回csv列表中的每个列的一些统计描述参数，像数量、均值、标准差、最小值、四分之一位数、中位数、四分之三位数、最大值，ddf = df.describe()
10.sort_valuns()函数
这个函数有点腻害，返回按参数排序的DataFrame，sdf = df.sort_values(by, axis=0, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’)
by: DataFrame的行/列名
axis: 0按列排序，1按行排序
ascending:True为升序排列， False为降序排列
inplace: True修改原DataFrame，False则返回新的DataFrame
kind: 确定排序算法，包括{‘quicksort’, ‘mergesort’, ‘heapsort’}
na_position: 确定na数据存在的位置，‘first’/‘last’
11.pivot_table()函数
根据index将数据分组，对于values列的值（相同类型）执行aggfunc函数,最后得到DataFrame, cdf = df.pivot_table(index = , values = , aggfunc = )
12.dropna()函数
该函数会根据要求删除带有NaN值的行和列，ddf = df.dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False)
axis:搜索方向，0/‘index’为行搜索，1/‘columns’为列搜索
how: ‘any’只要出现NA值就删除该行/列数据，‘all’所有值都是NA才删除
thresh: 表示对有效数据数量的最小要求（为2则要求该行/列至少2个有效非NA数据存在）
subset: 表示在特定子集中寻找NA
inplace: 表示是否在原数据操作，True修改原数据，False返回新数据
13.reset_index()函数
重置（一般为经过排序后的）DataFrame的序号，rdf = df.reset_index(level = None, drop = False, inplace = False, col_level = 0, col_fill = ’’)
level:只从索引中删除给定的级别。默认情况下删除所有级别
drop: 是否删除原始的index列，True删除，False保留
inplace: 是否在原数据上操作
col_level: 如果列有多个级别，则确定将标签插入到哪个级别。默认情况下，它插入到第一级
col_fill:如果列有多个级别，则确定其他级别的命名方式。如果没有，则重复索引名。
14.set_index()函数
根据现有的columns参数重新设置index索引，sdf = df.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
keys: 需要作为索引的列名
drop: 是否删除作为索引的列，True删除，False保留
append: 是否添加默认的序号索引
inplace: 是否在原数据上操作verify_integrity: 检查新索引是否有重复项。否则，请推迟检查，直到必要时为止。设置为false将提高此方法的性能
15.Series函数【15-属Series类，相同的只改sr的不再记录】
sr(生成Series) = pd.Series(data（参数）, index = （索引列参数）)
16.tolist()函数
将Series或Index类的数据变成list形式返回，list =sr.tolist()
17.value_counts ()函数
计算Series中各个values值的数量，csr = sr.value_counts(dropna=True)dropna: 是否计算NA的数量，True不计算，False计算
结语
嘛，就先到这里，下次再通过实例来认识pandas工具，毕竟只是了解用途什么的有种纸上谈兵的感jio~