Pandas基础（一）

如果对数据处理分析方面有兴趣的同学，应该都听说过pandas的大名了吧。pandas是以Numpy库作为基础进行设计的，并且为数据分析设计了两种数据结构。得益于这些特性，让pandas在数据分析方面占有独特的优势。

安装

使用PyPI安装，或者使用Anaconda，里面已经有了pandas。

pip install pandas

在python shell中输入

import pandas as pd

没有报错的话，就可以开始pandas之旅了。

pandas数据结构简介

pandas的核心为两大数据结构，数据分析相关的所有事物都是围绕着这两种结构进行的：

Series

DataFrame

Series这类数据结构用于存储一个序列这样的一维数据；而DataFrame作为更复杂的数据结构，则用于存储多维数据

虽然这些数据结构不能解决所有问题，但它们为大多数应用提供了有效和强大的工具。就简洁性而言，它们理解和使用起来都很简单。此外，很多更为复杂的数据结构都可以追溯到这两种结构。

然而，两者的奇特之处是将Index（索引）对象和标签整合到自己的结构之中。这一特点使得这两种数据结构具有很强的可操作性

Series对象

pandas库的Series对子那个用来表示一维数据结构，跟数组类似，但多了一些额外的功能，它的内部结构很简单，如下图：

1.声明Series对象

调用Series()构造函数，把要存放在Series对象中的数据以数组形式传入，就能创建一个Series对象

从输出可以看到，左侧Index是一列标签，右侧是标签对应的元素。

由于没有指定索引，pandas默认使用从0开始依次递增的数值作为标签。

然而，最好使用有意义的标签，用以区分和识别每一个元素,而不用烤炉元素插入到Series中的顺序。因此，调用构造函数时，就需要指定index选项，把存放有标签的数组赋给它，其中标签为字符串类型

如果想分别查看组成Series对象的两个数组，可以调用它的两个属性：index和values

2.选择内部元素

想要获取Series对象内部的元素，把它作为普通的Numpy数组，指定键或者指定索引位置处的标签即可。同样也可以获取多项，或者将元素标签放到数组中

3.为元素赋值

既然选取已经懂了，那赋值就很简单了。可以用所以或标签选取元素后进行赋值

4.使用Numpy定义Series对象

可以使用Numpy数组或现有Series对象来创建新的Series对象

5.Series运算和数学函数

适用于Numpy数组的运算符或其他数学函数，也适用于Series对象。至于运算符，直接用来编写算术表达式即可

6.NaN

NaN(Not a Number,非数值)，数据结构中若字段为空或者不符合数字的定义时，用这个特定的值表示。

一般来讲，NaN值表示数据有问题，必须对其进行出来了，尤其是在数据分析时。从某些数据源抽取数据时遇到问题，甚至是数据源确实数据，往往就会产生这类数据。

尽管NaN值是在数据遇到问题才产生，但在pandas中是可以定义这种类型的数据，并把它添加到Series中的。创建数据结构时，可为数组中的元素缺失项输入np.NaN

isnull()和notnull()函数用来识别没有对应元素的索引时非常好用

7.Series用作字典

可以把Series对象当做字典对象来用。定义Series对象时，就可以利用这一相似性

上面代码中，索引数组用字典的键来填充，每一个索引对应的元素用字典的值来填充。如遇缺失值，pandas会自动添加NaN

8.算术对齐

Series对象之间也是可以进行运算的，甚至标签也可以参与运算。Series这种数据结构在运算时有一大有点，它能够通过识别标签对齐不一致的数据。

- The End -

Python绿洲