from pandas import Series,DataFrame #注意大小寫

import pandas as pd

Series的字符串表現形式為：索引在左邊，值在右邊。

可以通過Series的values和index屬性獲得其數組表現形式和索引對象。

與普通Numpy數組相比，可以通過索引的方式選取Series中的單個或一組值。

DataFrame 是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型。它既有行索引也有列索引。

構建DataFrame的方法很多，最常用的是直接傳入一個由等長列表或者numpy數組組成的字典，并且會自動加上索引列。也可以指定列順序。

data = {'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],'year':[2000,2001,2002,2001,2002],'pop':[1.5,1.7,3.6,2.4,2.9]}

frame=DataFrame(data)

DataFrame(data,cloums=['year','state','pop'])

注：通過索引方式返回的列只是相應數據的視圖而已，因此，對返回的series所做的任何修改都會反映到源DataFrame上。通過Series的copy方法即可顯式地復制列。

reindex

創建一個適應新索引的新對象，即會根據新索引進行重排，如果某個索引值當前不存在，就引入缺失值。

參數

說明

ffill或pad

前向填充

bfill或backfill

后向填充

pandas對象擁有一組常用的數學和統計方法。它們大部分都屬于約簡和匯總統計，用于從Series中提取單個值或從DataFrame的行或列中提取一個Series。跟對應的Numpy數組方法相比，它們都是基于沒有缺失數據的假設而構建的。

.describe 一次性產生多個匯總統計.

利用DataFrame的corrwith方法，可以計算其列和行與另一個列或者行之間的相關系數。

唯一值

obj = Series(['c','a','d','a','a','b','b','c','c'])

uniques=obj.unique()

uniques

輸出 array([c,a,d,b], dtype=object)

返回的唯一值是未排序的，如果需要的話，可以對結果再次排序( uniques.sort() )。

value_counts用于計算一個Series中各值出現的頻率。是一個頂級pandas方法，可以用于任何數組或序列。

Pandas對象上的所有描述和統計都排除了缺失數據，即浮點值NaN和None。

1. dropna 過濾缺失數據。對于一個Series，dropna返回一個僅含有非空數據和索引值的Series。?data.dropna()

2. 使用布爾型索引? data[data.notnull()]

而對于DataFrame對象，事情有些復雜，dropna默認丟棄任何含有缺失值的行。而加上 data.dropna(how='all')將只丟棄全為NA的行。丟棄列的話只需傳入axis=1

另一個濾除DataFrame行的問題涉及時間序列數據，如果只想留下一部分觀測數據，可以使用thresh參數實現。

填充缺失數據

fillna(0)可以將缺失值替換成常數值，0可以換。如果是通過一個字典調用的fillna，則可實現對不同列填充不同的值。df.fillna({1: 0.5, 3: -1}) 給第二列空值賦 0.5，第4列賦-1。 也可以傳入series的平均值，中位值，向下向上填充等等。

層次化索引

在數據重塑和基于分組的操作中很重要。在一個軸上擁有多個索引。

pandas 自動類型轉化 TextParser類。

1 from pandas.io.parsers importTextParser2

3 defparse_option_data(tabl):4 rows = table.findall('.//tr')5 header = _unpack(rows[0], kind='th')6 data = [_unpack(r) for r in rows[1:]]7 return TextParser(data, names = header).get_chunk()

離散化和面元(bin)劃分

要實現該功能，需要使用pandas的cut函數：

1 ages = [20,22,25,27,21,23,37,31,61,45,41,32]2 bins = [18,25,35,69,100]3 cats=pd.cut(ages,bins)4 pd.value_counts(cats)5

6 output:(18, 25] 5

7 (35, 69] 4

8 (25, 35] 3

9 (69, 100] 010 dtype: int64

如果向cut傳入的是面元的數量而不是確切的面元邊界，則它會根據數據的最小值和最大值計算等長面元。下面的例子將一些均勻分布的數據分為四組：

1 data=np.random.rand(20)2 pd.cut(data,4,precision=2)--精確兩位小數

qcut是類似于cut的函數，根據樣本分位數進行面元劃分，可以保證每個面元中含有相同數量的數據點。

這兩個離散化函數對于分量和分組分析非常重要。

異常值，也叫孤立點或者離群值，它的過濾或者變換很大程度上其實是數組運算。下面看一個含有正態分布數據的DataFrame：

1 np.random.seed(12345)2 data=DataFrame(np.random.randn(1000,4))3 data.describe()

總結

以上是生活随笔為你收集整理的python pandas教程百家号_python--学习笔记6 pandas的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。