Pandas学习录（一、Pandas简介以及Series结构说明）

Pandas是基于NumPy 的一种工具，为了解决数据分析任务而创建

• 不管数据的来源，使用Pandas都可以完成数据处理和分析的5个典型步骤：加载，准备，操作，模型和分析
• Pandas是通过代码来实现Excel和数据库的基本功能，并提供了更丰富的分析函数
• Python Pandas用于广泛的领域，包括金融，经济，统计，分析等学术和商业领域

Series 是类似于数组的一维数据结构，由**索引（index）和值（values）**两个相关联的数组组成

索引：每个元素的名称，可以是数字，也可以是字符串

下图两个Series结构，index分别是数字和字符串

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
#data：Python的列表或Numpy的一维ndarray对象
#index：列表，若省略则自动生成0~n-1的数字索引
#dtype：为储存数据的类型
#name：为列表的名字

例子

s = pd.Series(data = [100, 'a', {'dic1':5}],
              index = pd.Index(['id1', 20, 'third'], name='my_idx'),
              dtype = 'object',
              name = 'my_name')
s

my_idx
id1              100
20                 a
third    {'dic1': 5}
Name: my_name, dtype: object

import pandas as pd
data = [187,190,185,178,185]
index = [13,14,7,2,9]
player = pd.Series(data, index)
player

13    187
14    190
7     185
2     178
9     185
dtype: int64

data = [187,190,185,178,185]
player = pd.Series(data)
player #默认为数字索引

0    187
1    190
2    185
3    178
4    185
dtype: int64

对于Series的基础属性，可以通过**.属性名**直接访问

player.values
array([187, 190, 185, 178, 185], dtype=int64)

player.index
RangeIndex(start=0, stop=5, step=1)

面向Series中的元素可以跳过空缺值，避免应用失败通过Series的str属性进行调用

data = ['peter', 'Paul', None, 'MARY', 'gUIDO']
[s.title() for s in data]
AttributeError: 'NoneType' object has no attribute 'title'

data = ['peter', 'Paul', None, 'MARY', 'gUIDO']
names = pd.Series(data)
names.str.title()
'''
0    Peter
1     Paul
2     None
3     Mary
4    Guido
dtype: object
'''

Tab补全查看Pandas 支持的所有向量化字符串方法

Series.str.contains(pat, case=True, flags=0, na=None, regex=True)

data = ['dave@google.com', 'steve@gmail.com','rob@mail.com',None]
emails = pd.Series(data)
emails
'''
0    dave@google.com
1    steve@gmail.com
2       rob@mail.com
3               None
dtype: object
'''

例子

找出gmail的电子邮箱

emails.str.contains('gmail')
'''
0    False
1     True
2    False
3     None
dtype: object'''

Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

obj = pd.Series(['a','c','d','b','a','b','b','c','c'])
obj.value_counts()
'''
c    3#值xiang'to
b    3
a    2
d    1
dtype: int64
'''

ins=None, dropna=True)``

obj = pd.Series(['a','c','d','b','a','b','b','c','c'])
obj.value_counts()
'''
c    3#值xiang'to
b    3
a    2
d    1
dtype: int64
'''