pandas （一）

1 Pandas序列Series

1.1 根据列表生成序列 Series

X=[1,3,6,4,9];X
weight=[67,66,83,68,70];weight
sex=['女','男','男','女','男'];sex
S1=pd.Series(X);S1
S2=pd.Series(weight);S2
S3=pd.Series(sex);S3

1.2 序列合并concat

pd.concat([S2,S3],axis=0) # 0维，附加到序列后面
pd.concat([S2,S3],axis=1) # 1维，附加到新的一列

1.3 序列切片

S1[2]
S3[1:4]

2 Pandas数据框DataFrame

2.1 空数据框DataFrame

pd.DataFrame() 

2.2 根据列表创建数据框columns index

pd.DataFrame(X)
 # 创建一个列名为`weight`，索引为`A` `B` `C` `D` `E`的数据框
pd.DataFrame(weight,columns=['weight'],index=['A','B','C','D','E'])

2.3 根据字典创建数据框

df1=pd.DataFrame({'S1':S1,'S2':S2,'S3':S3});df1

# 索引来自列表`X`
df2=pd.DataFrame({'sex':sex,'weight':weight},index=X);df2

2.4 增加数据框列

df2['weight2']=df2['weight']**2;df2

2.5 删除数据框列del

del df2['weight2'];df2

2.6 缺失值处理 isnull() isnull().sum() dropna()

df3=pd.DataFrame({'S2':S2,'S3':S3},index=S1);df3
df3.isnull() # 缺失值则返回 True，否则返回 False

df3.isnull().sum() # 返回每列中包含的缺失值个数

df3.dropna() # 直接删除含有缺失值的行，多变量谨慎使用 不改变df3

2.7 数据框排序

df3.sort_index() # 按index排序
df3.sort_values(by='S3') # 按S3列值排序