pandas教程（一）Series与DataFrame
pandas教程（一）Series与DataFrame
前言
如何学习：先随着小编看一下几个重要的函数方法，然后用实例加以巩固
预备知识：NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：实际的数据、描述这些数据的元数据
此外小编为你准备了：Python系列
开始使用pandas，你需要熟悉它的两个重要的数据结构：
Series：是一个值的序列，它只有一个列，以及索引。
DataFrame：是有多个列的数据表，每个列拥有一个 label，当然，DataFrame 也有索引。
首先我们导入包：
In [1]: from pandas import Series, DataFrame
In [2]: import pandas as pd下面我们将详细介绍Series、DataFrame这俩个部分
一、Series
Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy的数据类型）和一个与数组关联的数据标签，被叫做 索引 。最简单的Series是由一个数组的数据构成：
In [3]: obj = Series([4, 7, -5, 3])
In [4]: obj
Out[4]:
0 4
1 7
2 -5
3 3
dtype: int64通常，需要创建一个带有索引来确定没一个数据点的Series：
In [5]: obj2 = Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
In [6]: obj2
Out[6]:
d 4
b 7
a -5
c 3
dtype: int64
In [7]: obj2.index
Out[7]: Index(['d', 'b', 'a', 'c'], dtype='object')与正规的NumPy数组相比，你可以使用索引里的值来选择一个单一值或一个值集：
In [8]: obj2['a']
Out[8]: -5
In [9]: obj2['d'] = 6
In [10]: obj2[['c', 'a', 'd']]
Out[10]:
c 3
a -5
d 6
dtype: int64我们也可以对Series进行一些处理，然后，再进行输出：
In [11]: obj2
Out[11]:
d 6
b 7
a -5
c 3
dtype: int64
In [12]: obj2[obj2 > 0]
Out[12]:
d 6
b 7
c 3
dtype: int64
In [13]: obj2 * 2
Out[13]:
d 12
b 14
a -10
c 6
dtype: int64另一种思考的方式是，Series是一个定长的，有序的字典，因为它把索引和值映射起来了。它可以适用于许多期望一个字典的函数：
In [14]: 'b' in obj2
Out[14]: True
In [15]: 'e' in obj2
Out[15]: False如果你有一些数据在一个Python字典中，你可以通过传递字典来从这些数据创建一个Series：
In [16]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
In [17]: obj3 = Series(sdata)
In [18]: obj3
Out[18]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64只传递一个字典的时候，结果Series中的索引将是排序后的字典的键：
In [19]: states = ['California', 'Ohio', 'Oregon', 'Texas']
In [20]: obj4 = Series(sdata, index=states)
In [21]: obj4
Out[21]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64在这种情况下， sdata 中的3个值被放在了合适的位置，但因为没有发现对应于 ‘California’ 的值，就出现了 NaN （不是一个数），这在pandas中被用来标记数据缺失或 NA 值。在pandas中用函数 isnull 和 notnull 来检测数据丢失：
In [22]: pd.isnull(obj4)
Out[22]:
California True
Ohio False
Oregon False
Texas False
dtype: bool
In [23]: pd.notnull(obj4)
Out[23]:
California False
Ohio True
Oregon True
Texas True
dtype: boolSeries的索引可以通过赋值就地更改：
In [24]: obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']
In [25]: obj
Out[25]:
Bob 4
Steve 7
Jeff -5
Ryan 3
dtype: int64二、DataFrame
一个Datarame表示一个表格，类似电子表格的数据结构，包含一个经过排序的列表集，它们每一个都可以有不同的类型值（数字，字符串，布尔等等）。Datarame有行和列的索引；它可以被看作是一个Series的字典（每个Series共享一个索引）。与其它你以前使用过的（如 R 的 data.frame )类似Datarame的结构相比，在DataFrame里的面向行和面向列的操作大致是对称的。在底层，数据是作为一个或多个二维数组存储的，而不是列表，字典，或其它一维的数组集合。
直接指定列数据来创建DataFrame
In [1]: data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
...: 'year': [2000, 2001, 2002, 2001, 2002],
...: 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
In [2]: DataFrame(data)
Out[2]:
pop state year
0 1.5 Ohio 2000
1 1.7 Ohio 2001
2 3.6 Ohio 2002
3 2.4 Nevada 2001
4 2.9 Nevada 2002以Series数组来创建DataFrame
这两种创建方法的不同之处在于：第一种方法创建的DataFrame的列（column）的数据类型是相同的，第二种方法创建的DataFramed的行（row）的数据类型是相同的。
设置DataFrame列的排列顺序：
In [3]: DataFrame(data, columns=['year', 'state', 'pop'])
Out[3]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Nevada 2.4
4 2002 Nevada 2.9和Series一样，如果你传递了一个行，但不包括在 data 中，在结果中它会表示为NAN值：
In [4]: frame2 = DataFrame(data, columns=['year', 'state', 'pop', 'debt'],
...: index=['one', 'two', 'three', 'four', 'five'])
In [5]: frame2
Out[5]:
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 NaN
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 NaN
five 2002 Nevada 2.9 NaN
In [6]: frame2.columns
Out[6]: Index(['year', 'state', 'pop', 'debt'], dtype='object')和Series一样，在DataFrame中的一列可以通过字典记法或属性来检索：
In [7]: frame2['state']
Out[7]:
one Ohio
two Ohio
three Ohio
four Nevada
five Nevada
Name: state, dtype: object
In [8]: frame2.year
Out[8]:
one 2000
two 2001
three 2002
four 2001
five 2002
Name: year, dtype: int64列可以通过赋值来修改。例如，空的 ‘debt’ 列可以通过一个纯量或一个数组来赋值：
In [9]: frame2['debt'] = 16.5
In [10]: frame2
Out[10]:
year state pop debt
one 2000 Ohio 1.5 16.5
two 2001 Ohio 1.7 16.5
three 2002 Ohio 3.6 16.5
four 2001 Nevada 2.4 16.5
five 2002 Nevada 2.9 16.5
In [11]: frame2['debt'] = np.arange(5.)
In [12]: frame2
Out[12]:
year state pop debt
one 2000 Ohio 1.5 0.0
two 2001 Ohio 1.7 1.0
three 2002 Ohio 3.6 2.0
four 2001 Nevada 2.4 3.0
five 2002 Nevada 2.9 4.0通过列表或数组给一列赋值时，所赋的值的长度必须和DataFrame的长度相匹配。如果你使用Series来赋值，它会代替在DataFrame中精确匹配的索引的值，Series没有的数据在DataFrame中就会被更新为NaN：
In [13]: val = Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five'])
In [14]: frame2['debt'] = val
In [15: frame2
Out[15]:
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 -1.2
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 -1.5
five 2002 Nevada 2.9 -1.7给一个不存在的列赋值，将会创建一个新的列。 像字典一样 del 关键字将会删除列：
In [16]: frame2['eastern'] = frame2.state = 'Ohio'
In [17]: frame2
Out[17]:
year state pop debt eastern
one 2000 Ohio 1.5 NaN Ohio
two 2001 Ohio 1.7 -1.2 Ohio
three 2002 Ohio 3.6 NaN Ohio
four 2001 Ohio 2.4 -1.5 Ohio
five 2002 Ohio 2.9 -1.7 Ohio
In [18]: del frame2['eastern']
In [19]: frame2.columns
Out[19]: Index(['year', 'state', 'pop', 'debt'], dtype='object')