一、安装
pip install pandas
二、系统环境
import pandas as pd
#设定自由列表输出最多为 10 行 pd.options.display.max_rows = 10 # 显示当前 Pandas 版本号 pd.__version__
Series对象包装的是numpy中的一维数组，实际上是将一个一维数组与一个索引名称捆绑在一起了。
DataFrame 是 Pandas 中的一个表格型的数据结构，有行索引也有列索引。
三、Series：一维数组
用值列表生成 Series 时，Pandas 默认自动生成整数索引 。
pandas中两个重要的属性： values 和index
values:是Series对象的原始数据
index:对应了Series对象的索引对象
例：使用列表创建：
import pandas as pd data=pd.Series([4,3,5,6,1]) data 属性values和index： data.values data.index 指定index： data=pd.Series([5,4,6,3,1],index= ['one','two','three','four','five']) 使用list列表指定index： data=pd.Series([4,3,2,1],index=list('abcd')) 传入字典创建，默认将key作为index： population_dict={'sh':2800,'bj':3000,'gz':1500,'sz':1200} population_series=pd.Series(population_dict) 如果既用了字典创建了Series对象，又显示的指定了index，如果key不存在，则值为NaN四、DataFrame对象创建
DataFrame 是 Pandas 中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame 即有行索引也
有列索引，可以被看做是由 Series 组成的字典。
将两个series对象作为dict的value传入，就可以创建一个DataFrame对象。
DataFrame创建：
例：
population_dict=
{'beijing':3000,'shanghai':1200,'guangzhou':1800}
area_dict=
{'beijing':300,'shanghai':180,'guangzhou':200}
import pandas as pd
population_series=pd.Series(population_dict)
area_series=pd.Series(area_dict)
citys=pd.DataFrame({'area':area_series,'population':population_series})
列表创建：
用字段形式创建
index 一般为索引 ， columns一般为列名
Pandas中的Index，其实是不可变的一维数组
五、导入excel 文件
Pandas中的Index，其实是不可变的一维数组
使用Pandas模块操作Excel时候，需要安装openpyxl
pd.read_excel('stu_data.xlsx')
导入.xlsx文件时，指定导入哪个Sheet
导入.xlsx文件时，通过index_col指定行索引
导入.xlsx文件时，通过header指定列索引
导入.xlsx文件时，通过usecols指定导入列
导入csv文件时除了指明文件路径，还需要设置编码格式。
导入.csv文件，文件编码格式是gbk
导入.csv文件，指明分隔符
导入.txt文件用得方法时read_table()，read_table()是将利用分隔符分开的文件导入。DataFrame的通用函数。它不仅仅可以导入.txt
文件，还可以导入.csv文件。
导入.txt文件
导入.csv文件，指明分隔符
六、了解数据
head()与 tail()：
#浏览前几条记录 df.head() df.head(10) #浏览最后几条记录 df.tail()info（）：info()可以输出整个表中所有列的数据类型。
df.info()
shape()方法会以元组的形式返回行、列数。注意 shape 方法获取行数和列数时不会把索引和列索引计算在内。
修改变量列：
columns
df.columns =新的名称 list
df.columns
rename()
df.rename(columns =新旧名称字典：｛旧名称，：新名称｝,
inplace = False :是否直接替换原数据框)
df.rename(columns =｛'newname':'name','newname2':'name2'｝,
inplace = True ）删除变量列：
df.drop（index / columns =准备删除的行/列标签，多个时用列表形式提供
inplace = False :是否直接更改原数据框 ）
df.drop(columns =['col1','col2']） del df['column-name'] 直接删除原数据框相应的一列，建议尽量少用 del df.column_name #不允许添加变量列
根据新数据添加
df[cloumn] = pd.Series([val,val2,val3],index=[c1,c2,c3])
根据原数据添加
df[cloumn] = df[c2]+df[c3]
七、变量类型的转换
df.dtypes :査看各列的数据类型
#将df里所有的列转换成str df.astype('str') df.astype('str').dtypes #修改某一列数据的数据类型 df.column.astype ('str') #转换错误 df.astype('int', errors = 'ignore').dtypes 明确指定转换类型的函数八、引用和修改索引
引用索引：索引仍然是有存储格式的，注意区分数值型和字符型的引用方式
df.index
修改索引：
修改索引名：
例：df = pd.DataFrame({ 'name':['zs','ls','ww'],'level':['vip1','vip2','pm']})
df.index.name='sno' df2 = pd.read_excel('stu_data.xlsx') df3 = df2.set_index(keys = '学号')修改索引值：df1.index = ['a', 'b', 'c']
更新索引：
reindex 则可以使用数据框中不存在的数值建立索引，并据此扩充新索引值对应的索引行/列，同时进行缺失值填充操作。
df.reindex(
labels :类数组结构的数值，将按此数值重建索引，非必需
copy = True :建立新对象而不是直接更改原 df/series 缺失数据的处理方式
method :针对已经排序过的索引，确定数据单元格无数据时的填充方法，非必需 pad / ffill:用前面的有效数值填充 backfill / bfill:用后面的有效数值填充 nearest:使用最接近的数值逬行填充 fill_value = np.NaN :将缺失值用什么数值替代 limit = None :向前/向后填充时的最大步长 )例：import pandas as pd
df = pd.DataFrame({'name':['zs','ls','ww'],'level':['vip1','vip2','pm'] })
df.reindex([0,1,3])
df.reindex([0,1,2,3],method='ffill')
df.reindex([0,1,2,3],fill_value="test")
九、Series的索引和切片
loc函数：通过行索引 "Index" 中的具体值来取行数据及根据普通索引获取。（如取"Index"为"A"的行）
iloc函数：通过行号来取行数据，及根据位置索引获取。
十、DataFrame的索引和切片
选择列：
当想要获取 df 中某列数据时，只需要在 df 后面的方括号中指明要选择的列即可。
如果是一列，则只需要传入一个列名;如果是同时选择多列，则传入多个列名即可（注意：多个列名 用一个 list 存放）
例：#获取一列
df[col]
#获取多列
df[[col1 , col2]]
按行列索引选择：df.loc[普通行索引,普通列索引]
df.iloc[位置行索引,位置列索引]
loc与iloc获取: import numpy as npimport pandas as pd
data=pd.DataFrame(np.arange(12).reshape(3,4),index=list('abc'),columns=list('ABCD'))
#获取行为'b'的行
data.loc['b']
#使用iloc获取，行为'b'的行，行号为1
data.iloc[1]
获取'A'列所有行: data.loc[:,'A']
data.iloc[:,0]
获取部分行部分列: #获取a bc行，A B列
data.loc[['a','b','c'],['A','B']]
data.iloc[[0,1,2],[0,1]]
获取满足条件的行: df[df[“支出”]>10]
df[(df[“支出”]>10) & (df[“性别”]=='女')]
isin()选择：
df.isin(values) 返回结果为相应的位置是否匹配给出的 values
values 为序列：对应每个具体值
values 为字典：对应各个变量名称
values 为数据框：同时对应数值和变量名称
df.col.isin([1,3,5])
df[ df.col.isin([1,3,5])]
df[ df.col.isin(['val1','val2'])]
df[ df.index.isin(['val1','val2'])]
query（）的使用：
使用boolean值表达式进行筛选
df.query(
expr：语句表达式
inplace=False;是否直接替换原数据框
)
十一、排序
用索引排序
df.sort_index（
level :（多重索引时）指定用于排序的级别顺序号/名称18 ascending = True :是否为升序排列，多列时以表形式提供 inplace = False : na_position = 'last‘ :缺失值的排列顺序， first/last ）使用变量值排序
df.sort_values(by='身高')
十二、计算新变量
axis = 0 :针对行还是列逬行计算0 ' index':针对每列进行计算
1' columns ':针对每行逬行计算
在指定位置插入新变量列
df.insert(
loc :插入位置的索引值，0 <= loc <= len (columns)
column :插入的新列名称
value : Series 或者类数组结构的变量值
allow_duplicates = False :是否允许新列重名
)#该方法会直接修改原 df
例： # 指定位置增加新列
df.insert(1,'new_col',100) df.insert(1,'new_col2',df.课程.apply(get_first))十三、数据分组
dfg = df.groupby ('开设')
#查看dfg里面的数据 dfg.groups #查看具体描述 dfg.describe( ) #按多列分组 dfg2 = df.groupby(['性别' , '开设']) dfg2.mean () 该操作也适用于希望对不同的变量列进行不同操作时 dfg['身高'].max()分组汇总
使用df.agg（）函数进行汇总
可以直接使用的汇总函数
十四、引用自定义函数
# 使用自定义函数
def mynum(x:int) ->int: return x.min() df2.身高.agg (mymean) dfg.agg(mymean)
标签：index,df,Series,索引,pd,data,Pandas From： https://www.cnblogs.com/black-rosebush/p/17788058.html