|
pandas 和 DataFrame pandas 是 Python Data Analysis Library 的缩写，是基于 NumPy 编写的数据分析包。 pandas 最大的特色是提供了 DataFrame 这一数据结构，极大地简化了以往数据分析过程 中的一些繁琐操作，受到数据科学领域工作者的欢迎。
在使用 pandas 包之前，需要通过 import 命令调入 pandas 包。以后每次使用 pandas 包 中的函数，在函数名前加上 pd.即可。 - 数据的读入读出 在进行对数据的处理和分析之前，我们首先需要将数据读入内存；而在处理和分析结束后， 我们往往也需要将结果写入文件之中。使用 pandas 可以很方便地帮助我们完成这项任务。
pd.read_csv(‘ex1.csv’) ：读入 csv 文件。其中 pd 指调用 pandas 包，单引号内为将要调 用的文件名。 df.to_csv(‘ex1.csv’) ：读出 csv 文件。其中 df 为将要存储的 DataFrame 表格名，单引号 内为想要存储的文件名。 pd.read_excel(‘foo.xlsx’, ‘Sheet1’) ：读入 excel 文件 df.to_excel(‘foo.xlsx’, sheet_name=‘Sheet1’) ：读出 excel 文件。其中’Sheet1’是指读入 或读出 excel 文件时使用的工作表名。其余参数用法和 csv 文件的读入读出类似。 - Series pandas 的常用数据结构有 Series 和 DataFrame。Series 是一种类似于一维数组的对象， 由一组数据以及一组与之相关的数据标签组成。构建 Series 对象的函数：pd.Series
可以看出，pd.Series 得到一组一一对应的标签与数据。可以对数据进行切片、数值运算 等操作。Series 的操作相对简单，在此我们不深入讨论。 - DataFrame 数据集（DataFrame）是一个表格型的数据结构，其直观的存储方式以及丰富的操作，使 其成为分析海量数据时使用最多的数据结构。DataFrame 通常包含一系列有序的列，每列 可以是不同的值类型。DataFrame 既有行索引，也有列索引。
pd.DataFrame：构建 DataFrame。下面的例子展示了分别构建两个 DataFrame 即 df 和 df2 的过程。 上述代码段的第 1 行定义了字典（Dictionary）类型的变量 data。字典是 Python 的常用数 据类型之一，以花括号{}表示，内部包含多个条目，每个条目包含一组对应的键（key，例 如第 2 行的’B’）和值（value，例如第 2 行的[2,1,15,-4,27]）。 更多关于字典的操作可以使 用 help(‘dict’)命令进行查询。 定义字典 data 之后，我们以 data 为基础，构建了 df 和 df2 两个 DataFrame。df 和 df2 的区别在于 columns 和 index。columns 是对其列索引的管理，可指定列的名称；index 是对行索引的管理，可指定行的名称。index 在赋值之后不可更改。我们可以在初始化 DataFrame 时，赋予其行索引值，如 index=list(range(5))，默认为从 0 开始公差为 1 的等 差数列，共 5 个数；如果需要设置为从 1 开始，如 In[6]，可使用 index=list(range(1,6))， 即取[1,6)中的 5 个正整数；当然也可以直接赋予其它值。 sort_index() 或 sort_values()：对 DataFrame 按某一列进行排序。下面的例子中，我们 对 df 按 B 的大小降序排列。 dropna：去除 DataFrame 中的缺失值。
loc 和 iloc：对数据进行切片，选取部分内容。loc 是根据 dataframe 的具体标签选取列， 而 iloc 是根据标签所在的位置，从 0 开始计数。其中中括号内逗号前是指选取的行序列， 逗号后是指选取的列序列。 append：连接另一个 DataFrame 对象，产生一个新的 DataFrame 对象。
更多详细的 pandas 使用指南可以参考： http://pandas.pydata.org/pandas-docs/stable/10min.html
| 
