pandas的数据结构

series

series是一种一维的数组对象，保护了一个值序列（与numpy类似），并包含了数据标签（index）。
不指定时，生成的默认索引是0到N-1。
附带索引的Series生成方法如下：

  1. obj2=pd.Series([4,4,6,2],index=['d','t','g','u']
  • 与numpy相比，Series的优点在于可以用标签进行索引。
  • 同时，Series（以下简称Ss）相关的各类函数仍然保留了numpy函数的风格。
  • 可以直接将python原生的字典格式生成Ss，方法为：obj=pd.###Series(dic)

  • 如果同时定义传入Ss的字典和索引来生成Ss，则会自动在字典中搜索索引内的值并按索引顺序呈现，不存在值的会匹配为NaN

    1. obj4=pd.Series(dict,index=['a','d','b','c'])#自动搜索字典中的abdc值

  • 数据对齐 直接将两个Ss相加，会自动对齐索引，相同索引相加

  • Ss有name属性（数据和index都有该属性）
  • 索引可以通过赋值的方式尽心改变

DataFrame

矩阵形态的数据表，既有行索引也有列索引。
通常的，我们可以使用等长度的列表构成字典来生成df

  1. data={'state':['ohio','ohio','Nevada'],
  2.                 'year':[2000,2001,2003],
  3.         'pop':[1.5,1.7,1.9]}
  4. frame=pd.DataFrame(data)
  • DF中的一列就是一个Series
  • 可以直接用df[‘debt’]=[1,2,43,5]来新增列
  • 你可以将Series赋给df的一列，会根据索引自动编排，缺失值位置会显示NaN

  • 通过其他列的判断来增加一列的方法很简单，如下：

    1. frame['easten']=frame.state=='ohio'#找出state属性是Ohio的列该属性标1，其余为0

  • del frame[‘a’]可删除列

  • df也可以接受嵌套字典的取值，此时会将内部字典的键作为行索引。
  • df可以通过.T方法进行转置

总结
可以接收的有效输入类型：

  1.   - 2D ndarray
  2.   - 数组、列表、元组组成的字典
  3.   - numpy的结构化数组
  4.   - Series组成的字典
  5.   - 其他Df

索引对象

索引对象用于储存轴标签等元数据，是对象类型

  • 索引对象 不可变 ，用户无法修改索引对象
  • 与np不同，pd的索引可以包含重复标签
  • 一些索引对象的方法和属性如下：
    • append：粘贴到原来的索引后，产生新索引对象
    • difference：求索引的差集
    • intersection：求交集
    • union：求并集
    • delete：将i出的元素删除并产生新索引
    • drop：根据传参删除指定索引值，并产生新索引
    • insert：在i处插入元素产生新索引

基本功能

重建索引

reindex方法用来重建索引，这个函数用来 创建符合新索引的新对象 。

  1. obj3.reindex(range(6),method='ffill'#表示无索引对应值时，前向插值

使用columns属性，可以修改为重建行索引

  1. frame.reindex(columns=states)

轴向上删除条目

使用drop可以在轴向上删除其他元素，删除后返回一个新元素

  1. new_ob=ob.drop('c')
  2. new_ob2=ob.drop('two',axis='columns')#删除列
  3. obj.drop('c',inplace=True)#在原对象上操作

索引、选择与过滤

Series的索引

索引可以通过以下方法实现

  • obj[‘b’]:索引
  • obj[1]：第二个元素
  • obj[[‘a’,’b’,’c’]]：索引列表
  • obj[obj<2]:判断条件

    DF的索引

    df的默认索引方式是按列进行的，如data[‘two’]是data数据中的two这一列
    但是也存在特例，如data[:2]还是代表前两行。
    data[data[‘three’]>5]仍然代表该列大于5的行。
    df直接与标量值比较会得到一个bool值的df

    使用loc和iloc

    loc指的是轴标签，iloc指的是整数标签
    1. data.loc['colorado',['two','three']
    2. data.iloc[2,[3,4]]
    有博主详细讲述了loc和iloc的区别，如下：

    iloc主要使用数字来索引数据，而不能使用字符型的标签来索引数据。而loc则刚好相反，只能使用字符型标签来索引数据，不能使用数字来索引数据，不过有特殊情况，当数据框dataframe的行标签或者列标签为数字，loc就可以来其来索引。

更好的解释：

  • loc works on labels in the index.(说白了就是标签索引)
  • iloc works on the positions in the index (so it only takes integers). (位置索引，和列表索引类似，里面只能是数字)

除了索引外，loc和iloc还可以用来切片。

ix索引是pandas开发初期为了解决选择一整列时比较复杂而将神奇索引功能放在了ix内的操作，这导致了整数轴标签数据被边缘化。因此，开发者并不希望继续使用ix功能。

df.at可以完成基于