一、pandas简介

pandas是基于NumPy构建的一个强大的Python数据分析的工具包。

主要功能：

• 具备对其功能的数据结构：DataFrame、Series
• 集成时间序列功能
• 提供丰富的数学运算和操作
• 灵活处理缺失数据

安装方法

pip install pandas

二、pandas.Series

• Series是一种类似于一维数组的对象，由一组数据和一组与之相关的数据索引组成。
• Series比较像列表 (数组)和字典的结合体

2.1 Series创建方式

import pandas as pd

# 当传入值为列表时，数据索引从0开始自增
sr = pd.Series(["张三", "李四", "王五"])
print(sr)

# 当传入值为字典时，数据索引为key
sr = pd.Series({'a': "张三", 'b': "李四"})
print(sr)

执行结果

2.2 Series特性

• 算数运算: sr*2、sr1+sr2。pandas在运算时，会按索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作数索引的并集。
• 字典方式取值: sr[0], sr[[1,2,4]]
• 切片取值: sr[0:2]
• 比较运算取值: sr[sr>0]

import pandas as pd

# 当传入值为列表时，标签索引从0开始自增
sr = pd.Series(["张三", "李四", "王五", 5])
sr1 = pd.Series({0: "三", "b": "四", "c": "五"})


# 支持算数运算
print("==== 基础运算 ====")
print(sr * 2)
# 两个sr运算时，只有索引值相同的数据才会进行计算，不相同部分结果为NaN
print(sr + sr1)


# 取值
print("==== 传入单个数据索引取值，返回值类型为提取值的类型 ====")
print(sr.get(1))
print(sr1["b"])

print("==== 传入列表类型的数据索引取值，返回的类型仍为Series ====")
print(sr.get([0, 2]))
print(sr1[['b', 'c']])

print("==== 切片取值,返回的类型仍为Series ====")
print(sr1[:2])

print("==== 比较运算取值 ====")
print(sr["张三" == sr])
sr3 = pd.Series(range(10))
print(sr3[sr3 > 6])

2.3 常用方法

2.3.1 values和index

• index:获取数据索引列表

• values：获取数据列表

import pandas as pd

# 当传入值为列表时，标签索引从0开始自增
sr = pd.Series(["张三", "李四", "王五"])

# 获取索引列表
print(sr.index)
print(sr.index[-1])

# 获取数据列表
print(sr.values)

执行结果

2.3.2 loc和iloc

• loc：通过数据索引值获取值

• iloc：通过数据下标获取值

import pandas as pd

sr = pd.Series({"a": "一", "b": "二", "c": "三", "d": "四"})

# loc：通过数据索引值获取值
print(sr.loc[["b", "d"]]

# iloc：通过数据下标获取值
print(sr.iloc[1:])

执行结果

2.4 缺失数据（NaN）处理

• 去除NaN：dropna()
• 填充NaN：fillna(填充值)

import pandas as pd

sr1 = pd.Series([1, 3, 4])
sr2 = pd.Series([5, 5, 6, 7, 8])

sr = sr1 + sr2
print(sr)

# 去除NaN：dropna()
print(sr.dropna())

# 填充NaN：fillna(v)
print(sr.fillna(0))

DataFrame

• DataFrame是一种表格型的数据结构，是一组有序的Series列。
• DataFrame可以看做是由Series组成的字典。