Python数据分析工具pandas

一、关于pandas

pandas是基于NumPy构建，经BSD许可的开源库，为Python开发者提供高性能，易用的数据结构和数据分析工具。pandas官网

二、数据结构

1、Series：一维标记的数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等）。轴标签统称为索引。

import pandas as pd
import numpy as np

# 传入数据可以是 ndarray或列表，
# 此时传入index时，需要满足len(index)=len(data)
# data = np.random.randn(4)
# data = ["a",2,3.1,True]
# 传入数据可以是 标量值
# data = 6
# 传入数据可以是 字典
data = {"b":1,"a":6,"c":15}
# 如果没有传递index或index=None，将自动创建index=[0, ..., len(data) - 1]。
index = ['a', 'b', 'c', 'd', 'e']
# 创建 Series
s = pd.Series(data,index=index,name="my_series")
print(s)
# a    6.0
# b    1.0
# c    15.0
# d    NaN  --> pandas缺失数据标记
# e    NaN
# Name: my_series, dtype: float64

# Series切片操作
print(s[0]) # 6.0

print(s[:2])
# a    6.0
# b    1.0
# Name: my_series, dtype: float64

print(s[[1,4]])
# b    1.0
# e    NaN
# Name: my_series, dtype: float64

# Series类似字典操作
print(s["d"]) # nan
s["d"] = 2 # 设置指定index的值
print(s["d"]) # 2.0

print('e' in s) # True,判断是否含有指定index
# print(s["f"]) # KeyError: 'f'
print(s.get('f', np.nan)) # 类似字典get取值

print(s.name) # my_series 获取name
print(s.index) # Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

2、Time- Series：以时间为索引的Series。
3、DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
4、Panel ：三维的数组，可以理解为DataFrame的容器。