pandas 是基於 numpy 開發的，他的主要資料結構包括 series 和 dataframe，另外還有 time-series、panel、panel4d 和 panelnd，我現在的學習中不常用到，暫不詳細介紹。
資料結構
簡介series
一維陣列，與numpy中的一維array類似。二者與python基本的資料結構list也很相近。
series如今能儲存不同種資料型別，字串、boolean值、數字等都能儲存在series中。
time-series
以時間為索引的series。
dataframe
二維的**型資料結構。很多功能與r中的data.frame類似。可以將dataframe理解為series的容器。
panel
三維的陣列，可以理解為dataframe的容器。
panel4d
是像panel一樣的4維資料容器。
panelnd
擁有factory集合，可以建立像panel4d一樣n維命名容器的模組。
import numpy as np
import pandas as pd
data = np.array([[
1,2,
3],[
4,5,
6],[
7,8,
9]])
c =[
'a',
'b',
'c']
r =[
'a',
'b',
'c']
df = pd.dataframe(data=data, columns=c, index=r)
# 行名排序 降序
df.sort_index(axis=
0, ascending=
false
)# 列名排序 降序
df.sort_index(axis=
0, ascending=
false
)
df[
"a"]
.sort_values(ascending =
false
)df.sort_values(
['a'
,'b'
,'c'
])
df.iloc[2] # 選擇第二行所有資料, 是series型別
df.iloc[[2]] # 選擇第二行所有資料, 是dataframe型別
df.iloc[:, 2] # 選擇第二列所有資料, 是series型別
df.iloc[:, [2]] # 選擇第二列所有資料, 是dataframe型別
df.iloc[:, 0:2] # 選擇0到2列所有資料
df.iloc[[2,3], 0:2] # 選擇2和3行, 0到2列所有資料
df.iat[1, 1] # 根據位置快速取出資料, 獲取單個資料推薦這種方法
df.loc['top'] # 選擇指定行資料, 是series型別
df.loc[['top']] # 選擇指定行資料, 是dataframe型別
df.loc[:, 'xm'] # 選擇指定列資料, 是series型別(不推薦)
df.loc[:, ['xm']] # 選擇指定列資料, 是dataframe型別(不推薦)
df.loc[:, ['bj','xm']] # 選擇多列資料(不推薦)
df.loc[:, 'bj':'xb'] # 選擇多列之間所有資料, 列切片只能用這種方法
df.loc[['top','count'], 'bj':'xb'] # 選擇指定行, 指定列資料
df.at['top', 'xm'] # 根據自定義索引快速取出資料, 獲取單個資料推薦這種方法
# 選取所有出生日期大於等於2023年的資料, 這裡是字串比較
df[df['csrq']>='1998']
# 選取所有出生日期大於等於2023年小於2023年的資料
df[(df['csrq']>='1997')&(data['csrq']<'1999')]
# 選取所有出生日期大於等於2023年小於2023年的資料
df[df['csrq'].between('1997', '1999')]
# 選取所有出生日期大於等於2023年或者姓名為張三的資料
df[(df['csrq']>='1997')|(data['xm']=='張三')]
# 另一種選取方式(不推薦, 實測效率比上面低)
df[df.csrq>='1998']
# 選擇字段值為指定內容的資料
df[df['xm'].isin(['張三','李四'])]
# 假設cj列本來不存在, 這樣會在列尾新增新的一列cj, 值為s(series物件), 原地
df['cj'] = s
# 在第1列位置插入一列dz(位址), 值為s, 原地
df.insert(0, 'dz', s)
# 在df中新增內容為df2(必須是dataframe物件)的新列(新增列), 非原地
df.join(df2)
# 將df2中的行新增到df的尾部(新增行), 非原地
# 刪除單列, 並返回刪除的列, 原地
df.pop('xm')
# 刪除指定行, 非原地
df.drop(1)
# 刪除指定列, axis=1指第2維, axis預設0, 非原地
df.drop(['xm', 'xh'], axis=1)
'''常用屬性'''
df.values # 檢視所有元素的value
df.dtypes # 檢視所有元素的型別
df.index # 檢視所有行名
df.index = ['總數', '不同', '最多', '頻率'] # 重新命名行名
df.columns # 檢視所有列名
df.columns = ['班級', '姓名', '性別', '出生日期'] # 重新命名列名
df.t # 轉置後的df, 非原地
'''檢視資料'''
df.head(n) # 檢視df前n條資料, 預設5條
df.tail(n) # 檢視df後n條資料, 預設5條
df.shape() # 檢視行數和列數
df.info() # 檢視索引, 資料型別和記憶體資訊
'''資料統計'''
df.describe() # 檢視資料值列的匯**計, 是dataframe型別
df.count() # 返回每一列中的非空值的個數
df.sum() # 返回每一列的和, 無法計算返回空, 下同
df.sum(numeric_only=true) # numeric_only=true代表只計算數字型元素, 下同
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.argmax() # 返回最大值所在的自動索引位置
df.argmin() # 返回最小值所在的自動索引位置
df.idxmax() # 返回最大值所在的自定義索引位置
df.idxmin() # 返回最小值所在的自定義索引位置
df.mean() # 返回每一列的均值
df.median() # 返回每一列的中位數
df.var() # 返回每一列的方差
df.std() # 返回每一列的標準差
df.isnull() # 檢查df中空值, nan為true, 否則false, 返回乙個布林陣列
df.notnull() # 檢查df中空值, 非nan為true, 否則false, 返回乙個布林陣列
'''轉換成 numpy'''
df.values
np.array(df)
pandas的資料結構之DataFrame
dataframe是乙個 型的資料結構，它含有一組有序的列，每列可以是不同資料型別的資料。dataframe既有行索引也有列索引，可以將它看作為乙個由series組成的字典 共用同乙個索引 dataframe中的資料是以乙個或多個二維塊儲存的，而不是列表 字典或別的一維資料結構。a 通過字典建立，字...
pandas中dict和dataFrame互轉
pd.dataframe dict a 使用df.to dict 缺省會把key和值分開 引數 dict 預設 list series split records index 如果是list dict 這種巢狀情況轉的df，迴轉需要使用records 拿上面的資料舉例，df b a b c 0 0 ...
pandas 把字典轉換成DataFrame
把dictd 轉換成dataframe，首先，dataframe的語法格式應為 import pandas as pd df pd.dataframe a 是columns，對應的是list12 輸出 a 0 012 但是如果是 df pd.dataframe 直接輸入dict 1會報錯 value...