1、pandas簡介
pandas 是基於numpy 的一種工具，該工具是為了解決資料分析任務而建立的。pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具。pandas提供了大量能使我們快速便捷地處理資料的函式和方法。你很快就會發現，它是使python成為強大而高效的資料分析環境的重要因素之一。
2、pandas的使用
在jupyter notebook或者pycharm等開發工具中匯入pandas包即可使用：
import pandas as pd3、pandas的series物件
pandas庫的series物件用來表示以為資料結構，跟陣列類似，但多了一些額外的功能，它的內部結構很簡單，由兩個相互關聯的陣列組成，其中主陣列用於存放資料（numpy任意型別資料）。主陣列的每個元素都有乙個與之相關聯的標籤，這些標籤儲存的另乙個叫做index的陣列中，如下表。
index
value
0peter
1smith
2joy
3.1、series物件的定義
1）、方式1：
s = pd.series([2,4,-7,9])
2）、方式2，包含索引：
s = pd.series([2,-4,-7,9]，index=['a','b','c','d'])
3）、方式2：
a = np.array([1,2,3,4])
s= pd.series(a)
4）、包含nan空元素
s = pd.series([1,2,np.nan,14])
3.2、series元素讀取
#取所有元素
s.values
#取index索引
s.index
#取第2個元素
s[2]
#取索引為'c'的元素
s['c']
#去從0-2的元素（包含0，不包含2）
s[:2]
#取索引為'b'和'c'的元素
s[['b','c']]
s[1]=0
s['c']=5
3.4、運算及數學函式
#所有元素除以2
s / 2
#通過numpy函式log對所有元素取對數
np.log(s)
3.5、篩選元素
根據條件篩選資料結構中的元素
s[s>8]
3.6、series的常用函式
#去重
s.unique()
#計算相同元素數量
s.value_counts()
#判斷給定的一列元素是否包含在資料結構中，返回布林值
s.isin([0,2])
#判斷元素是否為nan
s.isnull()
#判斷元素是否不為nan
s.notnull()
#前面的元素為index，後面的元素為值
mydict =
s2 = pd.series(mydict)
mydict =
colors = ['red','yellow','orange','blue','green']
s1 = pd.series(mydict,index =colors)
s1 + s2
dataframe這種列表式資料結構跟工作表（最常見的是excel工作表）極為相似，其設計初衷是將series的使用場景由一維擴充套件到多維。dataframe由按一定順序排列的多列資料組成，各列資料型別可以有不同。
4.1 定義dataframe
data =
frame = pd.dataframe(data)
d1 = ,'white':,'blue':}
frame4 = pd.dataframe(d1)
color
object
price
0blue
ball
1.21
green
pen1.0
2yellow
pencil
0.63
red*****
0.94
white
mug1.7
4.2 dataframe讀取元素
#讀取列名
frame.columns
#讀取索引，返回rangeindex物件
frame.index
#讀取所有元素
frame.values
#讀取『price』一列
frame.price
#讀取索引為2的元素
frame.loc[2]
frame.iloc[2]
#讀取索引為2和4的元素
frame.loc[[2,4]]
frame.iloc[[2,4]]
#定義非預設索引dataframe
frame3 = pd.dataframe(data,index=['one','two','three','four','five'])
#讀取索引為'one'的元素
frame3.loc['one']
frame3.iloc[0]
#iloc的i為整數，不能通過另外定義的索引獲取元素，以下內容報錯
frame3.iloc['one']
#取1-3行，包含1不包含3
frame[1:3]
#取object列第3行元素，兩種方式：
frame['object'][3]
frame.object[3]
#給index列賦值名稱id
frame.index.name = 'id'
#給表頭行賦值名稱為item
frame.columns.name = 'item'
#增加一列new，並全部賦值為12
frame['new'] = 12
#費frame列各元素賦值不同值
frame['new'] = [3.0,1.3,2.2,0.8,1.1]
#通過numpy的arange函式給series賦值
ser1 = pd.series(np.arange(5))
#將series的值賦給frame中的一列
frame['new'] = ser1
#給dataframe的某乙個元素賦值，將第2行，price列的元素賦值為2，以下兩個方式一樣有效：
frame.set_value(2,'price',2)
frame.at[2,'price']=22
#判斷值中是否包含了1.0或者pen，返回true或false
frame.isin([1.0,'pen'])
#判斷值中是否包含了1.0或者pen，返回元素值，或者nan
frame[frame.isin([1.0,'pen'])]
#刪除名稱為new的列
del frame['new']
#轉置frame2.t
#返回索引值,最小的元素
ins.idxmin()
#返回索引值，最大的元素
ins.idxmax()
#重複標籤的index，取列時將返回多行，如下將返回2行
serd = pd.series(range(6),index=['white','white','blue','green','green','yellow'])
serd['white']
#判斷index是否為unique序列（index為唯一值）
serd.index.is_unique
Task1 pandas基礎學習筆記
pandas應用的主要方向在於對資料的整理，pandas基於numpy，具有十分強大的資料整合功能，在生成series及dataframe時，都以二維列表的形式展現，下面主要介紹各種基本函式 為了方便，使用head 函式，使用該函式提取前5個資料，比較具有代表性 1.csv檔案 df pd.read...
pandas閱讀筆記 1
這幾天在閱讀python的pandas庫。現在還在閱讀第二章的內容，在第二章中又乙個例項，有乙個關於電影資料的資料集，然後，我們對它做一些簡單的分析，做個今天學習的總結。part 1讀取資料 首先使用的是pandas的read table函式，函式主要又以下幾個引數 filepath or buff...
pandas學習筆記
import numpy as np import pandas as pd obj2 pd.series 4,7,5,3 index d b a c obj2 out 99 d 4 b 7 a 5 c 3 dtype int64 a b pd.series a bout 102 a 1 b 2 c...