Python其实很简单第十九章Pandas之Series与DataFrame

　　19.1安装Anaconda
　　Anaconda是Python的一个开源发行版本，它预装了丰富的第三方库，而且主要面向科学计算和数据分析，使用起来要比原版的Python更省时省力。
　　Anaconda官方下载网址为：https://www.continuum.io/downloads。下载和安装的方法很简单，若有问题可以在网上搜索相关内容学习解决。
　　安装Anaconda之后，就会发现在Anaconda目录下同时安装了Jupyter Notebook、Spyder等工具，我们接下来主要使用Spyder进行开发。关于Spyder的使用方法非常简单，大家也可以去网上搜索学习。
　　虽然Anaconda已经预装了很多常用的包，但有时我们也需要自己安装一些包。可以在开始菜单中选择＂Anaconda Anaconda Prompt＂命令，在命令行输入conda install  （ 代表包名）即可安装，也可以输入pip install  。
　　19.2数据分析包Pandas
　　Pandas是Python的一个数据分析包，Anaconda安装时已经附带安装了Pandas包。
　　Pandas数据结构有三种：Series（一维数组）、DataFrame（二维数组）和Panel（三维数组），其中最常用的是前两种数据结构。
　　19.2.1 Series
　　Series（序列）用于存储一行或一列数据，以及与之相关的索引的集合。
　　语法格式如下：
　　Series([数据1，数据2，......], index=[索引1,索引2,......])
　　例：
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂],index=[1,2,3])
　　print(s)
　　输出结果如下：
　　1 张三
　　2 李四
　　3 王五
　　dtype: object
　　上面建立序列时指定了索引，若不指定，则默认的索引值从0开始。如下：
　　s=Series([＂张三＂,＂李四＂,＂王五＂])
　　输出结果为:
　　0 张三
　　1 李四
　　2 王五
　　dtype: object
　　索引值也可以为字符串。如下：
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂],index=[＂A＂,＂B＂,＂C＂])
　　print(s)
　　输出结果为：
　　A 张三
　　B 李四
　　C 王五
　　dtype: object
　　1、访问序列
　　（1）可以通过索引访问序列，如：
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂])
　　print(s)
　　print(s[0])
　　print(s[1:])
　　运行结果如下：
　　0 张三
　　1 李四
　　2 王五
　　dtype: object #print(s)输出
　　张三 #print(s[0])输出
　　1 李四
　　2 王五
　　dtype: object #print(s[1:])输出
　　（2）通过值获取索引值
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂],index=[＂A＂,＂B＂,＂C＂])
　　print(s.index[s.values==＂李四＂])
　　运行结果：
　　Index([＂B＂], dtype=＂object＂)
　　（3）判断值是否存在
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂],index=[＂A＂,＂B＂,＂C＂])
　　f=＂李四＂ in s.values
　　print(f)
　　运行结果：
　　True
　　（4）定位获取
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂,＂孙六＂],index=[＂A＂,＂B＂,＂C＂,＂D＂])
　　print(s[[0,2,1]])
　　运行结果：
　　A 张三
　　C 王五
　　B 李四
　　dtype: object
　　2、修改序列
　　（1）追加序列，如：
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂],index=[＂A＂,＂B＂,＂C＂])
　　s1=Series([＂孙六＂],index=[＂D＂])
　　s=s.append(s1)
　　print(s)
　　运行结果：
　　A 张三
　　B 李四
　　C 王五
　　D 孙六
　　dtype: object
　　（2）修改序列的值
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂,＂孙六＂],index=[＂A＂,＂B＂,＂C＂,＂D＂])
　　s[1]=＂李飞＂
　　print(s)
　　运行结果：
　　A 张三
　　B 李飞
　　C 王五
　　D 孙六
　　dtype: object
　　不知道索引，仅知道要修改的值，也可通过值查找到索引后，再修改序列的值。如：
　　s[s.index[s.values==＂李四＂]]=＂李飞＂
　　这样也可以将＂李四＂修改为＂李飞。
　　（3）修改索引
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂,＂孙六＂],index=[＂A＂,＂B＂,＂C＂,＂D＂])
　　s.index=[0,1,2,3]
　　print(s)
　　运行结果：
　　0 张三
　　1 李四
　　2 王五
　　3 孙六
　　dtype: object
　　（4）删除元素
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂,＂孙六＂],index=[＂A＂,＂B＂,＂C＂,＂D＂])
　　s=s.drop(＂A＂)
　　print(s)
　　运行结果：
　　B 李四
　　C 王五
　　D 孙六
　　dtype: object
　　（5）重新排序
　　可以按照索引排序，使用sort_index(ascending=True)方法对index进行排序操作。
　　from pandas import Series
　　s=Series([＂张三＂,＂李四＂,＂王五＂,＂孙六＂],index=[＂A＂,＂B＂,＂C＂,＂D＂])
　　s=s.sort_index(ascending=False) # ascending=False表示按降序排列
　　print(s)
　　运行结果：
　　D 孙六
　　C 王五
　　B 李四
　　A 张三
　　dtype: object
　　（6）重置索引
　　重置索引可以使用reindex()。如果index列表中的元素多于序列的值，可用fill_value=0这样的语句填充。
　　s=s.reindex([＂D＂,＂C＂,＂B＂,＂A＂])
　　如果index列表中的元素多于序列的值，可用fill_value=0这样的语句填充。
　　s=s.reindex([＂D＂,＂C＂,＂B＂,＂A＂], fill_value=0)
　　19.2.2 DataFrame
　　DataFrame（数据框架）用于存储多行和多列的数据集合。它是Series的容器，类似于Excel中二维表格。
　　定义一个DataFrame的语法格式如下：
　　df=DataFrame({列名1 : 序列1，列名2 : 序列2，.......列名n : 序列n}, index=序列 )
　　例如，有如下二维表：
　　姓名
　　性别
　　年龄
　　张三
　　男
　　18
　　李四
　　女
　　19
　　王五
　　男
　　17
　　保存到DataFrame中可以用如下方法：
　　from pandas import Series
　　from pandas import DataFrame
　　name=Series([＂张三＂,＂李四＂,＂王五＂])
　　sex=Series([＂男＂,＂女＂,＂男＂])
　　age=Series([18,19,17])
　　df=DataFrame({＂姓名＂:name,＂性别＂:sex,＂年龄＂:age})
　　print(df)
　　运行结果：
　　姓名 性别 年龄
　　0 张三 男 18
　　1 李四 女 19
　　2 王五 男 17
　　从上例可以看出，虽然我们省缺了索引，但系统自动添加了从0开始的索引值。
　　19.3 DataFrame的基本操作
　　1、访问方式
　　（1）获取行
　　print(df[1:2]) # 获取第1行的值
　　输出结果：
　　姓名 性别 年龄
　　1 李四 女 19
　　print(df[1:3]) #获取第1行到第2行的值
　　输出结果：
　　姓名 性别 年龄
　　1 李四 女 19
　　2 王五 男 17
　　（2）获取列
　　print(df[＂姓名＂]) #获取＂姓名＂列的值
　　输出结果：
　　0 张三
　　1 李四
　　2 王五
　　Name: 姓名, dtype: object
　　另一种方法：
　　print(df[df.columns[0:1]]) #先按照索引号获取列名，再按照列名读取
　　输出结果和上面的方法完全一致。
　　还有一种情况，是获取唯一值，即将列内的重复值中多余的删除，仅留下互不相同的值。所用的到方法是unique()。
　　sex1=Series(df[＂性别＂].unique())
　　print(sex1)
　　输出结果：
　　0 男
　　1 女
　　dtype: object
　　（3）获取指定位置的值
　　print(df.at[1,＂姓名＂]) # 格式为变量名.at[行号，列名]
　　输出结果：
　　李四
　　（4）获取块的值
　　print(df.iloc[0:2,1:3]) # 格式为变量名.iloc[行号1:行号2, 列号1:列号2]
　　输出结果：
　　性别 年龄
　　0 男 18
　　1 女 19
　　print(df.iloc[:,1:2]) #获取＂性别＂列的值
　　运行结果：
　　性别
　　0 男
　　1 女
　　2 男
　　2、修改、删除、增加行和列
　　（1）修改列名
　　print(df.columns)
　　df.columns=[＂name＂,＂sex＂,＂age＂]
　　print(df.columns)
　　输出结果：
　　Index([＂姓名＂, ＂性别＂, ＂年龄＂], dtype=＂object＂)
　　Index([＂name＂, ＂sex＂, ＂age＂], dtype=＂object＂)
　　可见，列名已经由＂姓名、性别、年龄＂修改为＂age、sex、age＂了。但这种修改必须把全部列名都一一列举，不能有遗漏，否则就会出错。如：
　　df.columns=[＂name＂,＂sex＂]
　　此时会报错：ValueError: Length mismatch: Expected axis has 3 elements, new values have 2 elements。
　　（2）修改行索引
　　df.index=[1,2,3]
　　（3）删除行
　　df.drop(1,axis=0) # axis=0表示行轴，也可以省略
　　（4）删除列
　　df.drop(‘性别’,axis=1) # axis=0表示列轴
　　也可以使用另一种方法：
　　del df[＂性别＂]
　　（5）增加列
　　df[＂电话＂]=[＂1111111＂,＂2222222＂,＂3333333＂]
　　print(df)
　　运行结果：
　　姓名 性别 年龄 电话
　　0 张三 男 18 1111111
　　1 李四 女 19 2222222
　　2 王五 男 17 3333333
　　（6）增加行
　　df.loc[len(df)]=[＂孙六＂,＂男＂,＂20＂]
　　（7）追加
　　from pandas import Series
　　from pandas import DataFrame
　　name=Series([＂张三＂,＂李四＂,＂王五＂])
　　sex=Series([＂男＂,＂女＂,＂男＂])
　　age=Series([18,19,17])
　　df=DataFrame({＂姓名＂:name,＂性别＂:sex,＂年龄＂:age}) # 建立DataFrame，变量名为df
　　name1=Series([＂孙六＂,＂候七＂])
　　sex1=Series([＂男＂,＂女＂])
　　age1=Series([19,17])
　　df1=DataFrame({＂姓名＂:name1,＂性别＂:sex1,＂年龄＂:age1})
　　# 建立DataFrame，变量名为df1
　　df=df.append(df1,ignore_index=True)
　　# 将对df1追加到df后面，参数ignore_index=True表示重新索引
　　print(df)
　　运行结果：
　　姓名 性别 年龄
　　0 张三 男 18
　　1 李四 女 19
　　2 王五 男 17
　　3 孙六 男 19
　　4 候七 女 17