目录 手敲敲代码才有用(#^.^#)

 Pandas 是基于 Numpy的一种工具

Series 的介绍与操作

Dataframe的介绍和操作：

 Pandas 是基于 Numpy的一种工具

Pandas 的数据结构 有 Series/ Dataframe/Time-Series /Panel /Panel4D PanelIND

我们主要用的就是 Series 和 Dataframe，多个 Series 其实就是 Dataframe U·ェ·U

Series 的介绍与操作

1、介绍：是一维数组， 和Python中的list 很像，在图像上面就是 一列，但是多了一列索引

2、操作   

*创建series 有两种方法，直接pd.Series /或者用字典，字典的key就直接是索引 ，参数是index。

*索引有两种：标签索引是自己定制的索引，参数中是loc; 位置索引是iloc，程序自动从0开始设置索引

# 创建series类 的对象
import pandas as pd
import numpy as np
# 创建Series 对象，并且添加索引
ser1 = pd.Series([1,2,3,4,5], index = ['a', 'b', 'c', 'd', 'e'])
print('ser1是：n',ser1)
# 使用字典dict 来创建一个Series 类对象： 字典就直接是索引了
year_data = {2001: 17, 2002: 18, 2003: 20}
ser2 = pd.Series(year_data)
print('ser2是n',ser2)

# series的索引和值属性
# 1.用两个属性来索引：index, values
print('用index属性:n',ser1.index)
print('用values属性n',ser1.values)
# 2.直接用下标来直接获取
print('用默认数字下标',ser1[3])
print('用定制的下标',ser1['c'])

# 3.通过loc,iloc来访问。 loc 是通过自己定的标签索引，iloc默认的索引
print('通过locn',ser1.loc['b'])
#print('通过ilocn',ser1.iloc[0])
# loc，iloc切片
print(' loc 通过标签索引切片n',ser1.loc['a', 'd']) #这里出来就应该是abcd和对应的values  
print('iloc 通过位置（默认）标签索引切片n',ser1.iloc[2:4])
print('双括号 应该出来的指定的这两行n',ser1[['a', 'c']])
print('双括号 应该出来指定的这两行n',ser1[[0,2]])

Dataframe的介绍和操作：

1.介绍：Dataframe 就是许多个 Series 排在一起，成了一张二维的表格，想象一下 Excel / 或者数据库里面的table，这两样就是典型的Dataframe数据结构

2.操作

* 也有两种创建方法 

*索引和Series类似

# 用np.array 的方式创建Dataframe
# 这是一个两行三列的表格
demo_arr = np.array([['a', 'b', 'c'],['d', 'e', 'f']])
df1 = pd.Dataframe(demo_arr, columns=['no1', 'no2', 'no3'], index=[1,2])     #  表【1.1】
print(df1)

# 用字典 创建Dataframe
# 这里的key是column（列）的标签，因为 dataframe相当于是 series 的一个列的扩延，主要关注列
demo_dic = {'site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}

# 如果要加上index的标签，就在 Dataframe的参数中添加即可
df_obj = pd.Dataframe(demo_dic, index=['1', '2', '3'])  # 默认的本来第0,1,2
print(df_obj)

# 索引使用
# 1.列索引
# 1.1可以像list一样的 列 索引
element1 = df1['no2']
print('element的数据是：n',element1)
print(type(element1))    # 返回的是Series
# 1.2.也可以用调用属性的方式来 列索引
element2 = df1.no2
print('element2 是n',element2)
print(type(element2))
# 1.3.使用列索引来获取多列数据， 返回的结果是一个Dataframe 对象
element3 = df1[['no2', 'no3']]
print('element 是',element3)
print(type(element3))  # 啊,运行出来真的是Dataframe

#2.行索引
# 2.1. 通过标签索引(loc) 和位置索引(iloc)  来访问行
demo2 = np.array([['a', 'b', 'c'],['d', 'e', 'f'],['g','h','i']])

# 指定行索引，创建Dataframe 的对象
df3 = pd.Dataframe(demo2, columns=['no1', 'no2', 'no3'], index= ['one', 'two', 'three'])

# 通过标签索引 loc
element4 = df3.loc['one':'two']
print("element4 is :",element4)

element5 = df3.iloc[0:1]

# 2.2如果双括号呢，会切指定的这两列
element6 = df3.loc[['one', 'three']]
element7 = df3.iloc[[0,2]]
print('element7 is :n',element7)