【pandas】笔记

• 一、什么是pandas？
• 二、Series创建
• 二、Series索引与值
• 三、pandas之读取外部数据
• 四、pandas之DataFrame
• 五、pandas之loc、iloc
• 六、bool索到和缺失数据的处理
• 七、分组聚合

一、什么是pandas？

一个在Python中做科学计算的基础库，重在数值计算，也是大部分PYTHON科学计算库的基础库，多用于在大型、多维数组上执行数值运算

二、Series创建

import pandas as pd
t1=pd. Series([1,2,31,12,3,4])
print(t1)
t2 = pd.Series([1,23,2,2,1],index=list("abcde"))
print(t2)
temp_dict = { "name" : "xiaohong", "age":30,"tel":10089}
t3 = pd.Series(temp_dict)
print(t3)

二、Series索引与值

print(t3.index)
print(t3.values)

三、pandas之读取外部数据

data= pd.read_csv( "./dongNames2.csv")print(df)
print(data)

四、pandas之DataFrame

Series一维，带标签数组
DataFrame二维,Series容器

pd. DataFrame(np.arange(12).reshape(3,4))
pd.DataFrame(np.arange(12).reshape(3,4) ,index=list("abc"),columns=List("wXYz"))

d1 = { "name" : ["xiaoming " , "xiaogang"] , "age": [20,32], "tel": [10086,10010]}
t1=pd.DataFrame(d1)
print(t1)

DataFrame的基础属性
df.shape # 行数列数
df.dtypes # 列数据类型
df.ndim # 数据维度
df.index # 行索引
df.columns # 列索引
df.values # 对象值，二维ndarray数组

df.info() #展示df
df.describe()#快速综合统计结果︰计数，均值，标准差，最大值，四分位数，最小值

五、pandas之loc、iloc

df.loc通过标签索引行数据
df.iloc通过位置获取行数据

六、bool索到和缺失数据的处理

输出800<xxx<1000
print(df[(800<df["xxx"])&(df["xxx"]<1000)])

判断数据是否为NaN: pd.isnull(df),pd.notnulldf)
处理方式1:删除NaN所在的行列dropna(axis=0, how='any', inplace=False)
处理方式2:填充数据，t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(O)

七、分组聚合

分组
grouped = df.groupby(by="Country")
print(grouped)

聚合
country_count = grouped[ "Brand" ].count()
print(country_count["US"])