总结

一、Pandas库

import numpy as np
import pandas as pd

二、Pandas库数据结构——Series, DataFrame

a = pd.Series([1, 2, 3, 4, 5])

data = np.array([[95, 96, 97], [80, 85, 86], [56, 65, 70]])
frame = pd.DataFrame(data)
frame

1.Series——索引 index，值 values

a = pd.Series([1, 2, 3, 4, 5], index = ['a', 'b', 'c', 'd', 'e'])
a

2.DataFrame——索引index, columns，值 values

frame = pd.DataFrame(data, index=['xiaoming', 'xiaohong', 'xiaohei'],
                      columns=['yuwen', 'yingyu', 'shuxue'])
frame

指定或修改索引方法

创建时：

index, columns 指定索引，已经有索引可以按索引重新排序

创建后：

reindex方法，重新建立索引或指定索引排序

rename 修改索引

frame_.rename(index={"xiaohong":"damao","xiaoming":"ermao","xiaohei":"Nicolas Cage"},
              columns={"yingyu":"English", "yuwen":"Literature", "shuxue":"Maths"})

Series.index = []
DataFrame.columns = []

三、Series, DataFrame运算

1.基本运算

按照索引位置进行计算

data = {"English":[80,70,60], 
        "Literature":[70,70,85],
        "Maths":[80,90,50],
        "Music":["A","B","C"]}
df = pd.DataFrame(data,index = ["alpha", "beta","theta"])
df * 2

DataFrame、Series “相加”时，按照DF的columns(列)进行匹配

data1 = {"English":[80,70,60], 
        "Literature":[70,70,85],
        "Maths":[80,90,50],}
df1 = pd.DataFrame(data1,index = ["alpha", "beta","theta"])
add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"}
add_ = pd.Series(add_)
df1 + add_

2.矩阵运算、通用函数

df.T

3.基本统计方法 axis指定操作轴

df.describe()

四、Series, DataFrame 索引与切片

1.Series 索引与切片 Index索引/数字索引/布尔值索引

add_ = {'Maths':10,'English':10,'Literature':20,'Gym':"A"}
add_ = pd.Series(add_)
add_['Maths']

2.DataFrame 索引与切片

Index索引    列：df['Maths']    行：df.loc[‘alpha’]
数字索引    df.iloc[]    特别的行可以直接用数字切片索引
布尔值索引

五、Series, DataFrame 删除操作

1.Series删除操作 pop/drop/del

2.DataFrame删除操作 pop/drop/del

六、Series, DataFrame 合并操作

1.Series合并操作

pd.concat()    combine_first()

2.DataFrame合并操作

pd.concat()    combine_first()    
pd.merge()    join()

七、Pandas库其他常用函数或方法

head()    info()    describe()    
sort_index()    sort_values()
is_unique    value_counts()
rank()