1.Pandas介绍

• Pandas 是基于 NumPy 的一种工具，该工具是为解决数据分析任务而创建的，Pandas 提供了大量能使我们快速便捷地处理数据的功能

• Pandas 与出色的 Jupyter 工具包和其他库相结合，Python 中用于进行数据分析的环境在性能、生产率和协作能力方面都是卓越的

• Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），这两种数据数据足以处理金融、统计、社会科学、工程等领域里的大多数案例

• 处理数据一般分为几个阶段：数据整理与清洗、数据分析与建模、数据可视化，Pandas 是处理数据的理想工具

2.Pandas安装

• Anaconda 环境：无需安装

• 普通 Python 环境：pip install pandas -i Simple Index

3.导入 Pandas 模块

import numpy as np

import pandas as pd

4.Series

• Series 是一种类似于一维数组的对象，由下面两个部分组成

  • Values：一组数据（ndarray 类型）

  • index：相关的数据索引标签

5.Series 的创建

• 第一种方式：由列表或 NumPy 数组创建

  • 默认索引为 0 到 N-1 的整数型索引

# 列表方式创建
list1 = [11,22,33,44]
s = pd.Series(list1)
s
# 执行结果
0    11
1    22
2    33
3    44
dtype: int32

# NumPy数组创建
n = np.array(list1)
s = pd.Series(n)
s
# 执行结果
0    11
1    22
2    33
3    44
dtype: int32

# 查看类型
type(s)
# 执行结果
pandas.core.series.Series

• • index和values

# 值是ndarray的一维数组
s.values
# 执行结果
array([11, 22, 33, 44])

# 索引
s.index
# 转换成列表
#list(s.index)
# 执行结果
RangeIndex(start=0, stop=4, step=1)

# 修改索引index,确保与元素个数保持一致
s.index = ["A","B","C","D"]
# 或者
# s.index = list("BCDE")
s
# 执行结果
A    11
B    22
C    33
D    44
dtype: int32

# 通过索引获取值,数字索引只能使用中括号的方式
s.A,s.C,s["D"]
# 执行结果
(11, 33, 44)

# 通过索引修改值
s["D"] = 100
s
# 执行结果
A     11
B     22
C     33
D    100
dtype: int32

• 由字典创建

d = {
    "a":11,
    "b":22,
    "c":33,
    "d":44
}
s = pd.Series(d)
s
# 执行结果
a    11
b    22
c    33
d    44
dtype: int64

# 修改索引
s.index = list("ABCD")
s
# 执行结果
A    11
B    22
C    33
D    44
dtype: int64

# 字典值为二维数组
d = {
    "a":np.random.randint(0,10,size=(2,3)),
    "b":np.random.randint(0,10,size=(2,3)),
    "c":np.random.randint(0,10,size=(2,3)),
    "d":np.random.randint(0,10,size=(2,3))
}
s = pd.Series(d)
s
# 执行结果
a    [[6, 4, 7], [8, 8, 1]]
b    [[3, 1, 8], [9, 1, 1]]
c    [[9, 2, 3], [3, 7, 9]]
d    [[6, 0, 8], [6, 7, 6]]
dtype: object

# 通过索引查看值
s["a"]
# 执行结果
array([[6, 4, 7],
       [8, 8, 1]])
       
pd.Series([1,2,3],index=["鲁班","杜甫","李白"],name="历史人物")
# 执行结果
鲁班    1
杜甫    2
李白    3
Name: 历史人物, dtype: int64