Python-pandas-Series/DataFrame入门

练习知识点取自：

http://python.jobbole.com/89084/?utm_source=group.jobbole.com&utm_medium=relatedArticles

[code]>>> import pandas as pd
>>> import numpy as np
>>> series1 = pd.Series([1,2,3,4])
>>> print("series1:\n{}\n".format(series1))
series1:
0    1
1    2
2    3
3    4
dtype: int64

>>> #输出的最后一行是Series中数据的类型，这里的数据都是int64类型的。
>>> #数据在第二列输出，第一列是数据的索引，在pandas中称之为Index。
>>> series2 = pd.Series(['胡歌','霍建华','钟汉良','居老师'])
>>> print('series2:\n{}\n'.format(series2))
series2:
0     胡歌
1    霍建华
2    钟汉良
3    居老师
dtype: object

>>> series3 = pd.Series([3.14,7.0,4,888])
>>> print('series3:\n{}\n'.format(series3))
series3:
0      3.14
1      7.00
2      4.00
3    888.00
dtype: float64

>>> #我们可以分别打印出Series中的数据和索引:
>>> print('series2.values:{}\n'.format(series2.values))
series2.values:['胡歌' '霍建华' '钟汉良' '居老师']

>>> print('series3.values:{}\n'.format(series3.values))
series3.values:[  3.14   7.     4.   888.  ]

>>> print('series3.values:{}\n'.format(series1.values))
series3.values:[1 2 3 4]

>>> print('series1.index:{}\n'.format(series1.index))
series1.index:RangeIndex(start=0, stop=4, step=1)

>>> #索引未必一定需要是整数，可以是任何类型的数据，例如字符串。
>>> index2=['A','B','C','D']
>>> print('series2:\n{}\n'.format(series2))
series2:
0     胡歌
1    霍建华
2    钟汉良
3    居老师
dtype: object

>>> series2 = pd.Series(['胡歌','霍建华','钟汉良','居老师']),index=['A','B','C','D']
SyntaxError: can't assign to function call
>>> series2 = pd.Series(['胡歌','霍建华','钟汉良','居老师'],index=['A','B','C','D'])
>>> print('series2:\n{}\n'.format(series2))
series2:
A     胡歌
B    霍建华
C    钟汉良
D    居老师
dtype: object

>>> series2 = pd.Series(['胡歌','霍建华','钟汉良','居老师'],index2=['A','B','C','D'])
Traceback (most recent call last):
File "<pyshell#21>", line 1, in <module>
series2 = pd.Series(['胡歌','霍建华','钟汉良','居老师'],index2=['A','B','C','D'])
TypeError: __init__() got an unexpected keyword argument 'index2'
>>> print('A is {}\n'.format(series2['A'])))
SyntaxError: invalid syntax
>>> print('A is {}\n'.format(series2['A']))
A is 胡歌

>>>

[code]>>> #--------------------------DataFrame-------------------------
>>> #创建一个4x4矩阵
>>> df1 = pd.DataFrame(np.arange(16).reshape(4,4))
>>> print("df1:\n{}\n",format(df1))
df1:
{}
0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
>>> df2 = pd.DataFrame(np.arange(13).reshape(4,4))
Traceback (most recent call last):
File "<pyshell#28>", line 1, in <module>
df2 = pd.DataFrame(np.arange(13).reshape(4,4))
ValueError: cannot reshape array of size 13 into shape (4,4)
>>> df2 = pd.DataFrame(np.arange(9).reshape(3,3))
>>> print("df2:\n{}\n",format(df1))
df2:
{}
0   1   2   3
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
>>>  print("df2:\n{}\n",format(df2))
SyntaxError: unexpected indent
>>> print("df2:\n{}\n",format(df2))
df2:
{}
0  1  2
0  0  1  2
1  3  4  5
2  6  7  8
>>> print(format(df2))
0  1  2
0  0  1  2
1  3  4  5
2  6  7  8

[code]>>> #我们可以在创建DataFrame的时候指定列名和索引，像这样：
>>> df3=pd.DataFrame(np.arange(16).reshape(4,4),columns=['column1','column2','column3','column4'],index=['a','b','c','d'])
>>> print('df3:\n{}\n'.format(df3))
df3:
column1  column2  column3  column4
a        0        1        2        3
b        4        5        6        7
c        8        9       10       11
d       12       13       14       15

>>> print("df2:\n{}\n".format(df2))
df2:
0  1  2
0  0  1  2
1  3  4  5
2  6  7  8

>>> #可以直接指定列数据来创建DataFrame：
>>> df3 = pd.DataFrame({'note':['A','B','C','D','E','F','G'],'weekday':['Mon','Tue','Wed','Thu','Fri','Sat','Sun']})
>>> print('df3:\n{}\n'.format(df3))
df3:
note weekday
0    A     Mon
1    B     Tue
2    C     Wed
3    D     Thu
4    E     Fri
5    F     Sat
6    G     Sun

[code]>>> noteconcept = pd.Series(['胡歌','霍建华','钟汉良'],index=['A','B','C'])
、
>>> weekdayconcept = pd.Series(['Mon','Tue','Wed'],index=['A','B','C'])
>>> df4 = pd.DataFrame([noteconcept,weekdayconcept])
>>> print('df4:\n{}\n'.format(df4))
df4:
A    B    C
0   胡歌  霍建华  钟汉良
1  Mon  Tue  Wed

>>> df4 = pd.DataFrame([weekdayconcept,noteconcept])
>>> print('df4:\n{}\n'.format(df4))
df4:
A    B    C
0  Mon  Tue  Wed
1   胡歌  霍建华  钟汉良

>>> #我们可以通过下面的形式给DataFrame添加或者删除列数据：
>>> #df3是字典，可以通过df3
>>> #df3是字典，可以通过df3['要添加的key']=要添加的值往字典里添加一个新列
>>> df3 = pd.DataFrame({'note':['A','B','C','D','E','F','G'],'weekday':['Mon','Tue','Wed','Thu','Fri','Sat','Sun']})
>>> df3["No."] = pd.Series([1, 2, 3, 4, 5, 6, 7])
>>> print("df3:\n{}\n".format(df3))
df3:
note weekday  No.
0    A     Mon    1
1    B     Tue    2
2    C     Wed    3
3    D     Thu    4
4    E     Fri    5
5    F     Sat    6
6    G     Sun    7

>>> del df3["weekday"]
>>> print("df3:\n{}\n".format(df3))
df3:
note  No.
0    A    1
1    B    2
2    C    3
3    D    4
4    E    5
5    F    6
6    G    7

格式！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

[code]>>> print("df:\n{}\n".format(pd.isna(df)))
df:
0     1      2      3
0  False  True  False  False
1  False  True   True  False
2  False  True   True  False
3  False  True  False  False

>>> #通过pandas.isna函数来确认哪些值是无效
>>> #True表示是无效值
>>> #可以通过pandas.DataFrame.dropna函数抛弃无效值：
>>> print('df.dropna():\n{}\n'.format(df.dropna()))
df.dropna():
Empty DataFrame
Columns: [0, 1, 2, 3]
Index: []

>>> #对于原先的结构，当无效值全部被抛弃之后，将不再是一个有效的DataFrame，因此这行代码输出如上
>>> #也可以选择抛弃整列都是无效值的那一列：
>>> #注：axis=1表示列的轴。how可以取值’any’或者’all’，默认是前者
>>> print("df.dropna(axis=1, how='all'):\n{}\n".format(df.dropna(axis=1, how='all')))
df.dropna(axis=1, how='all'):
0     2     3
0   1.0   3.0   4.0
1   5.0   NaN   8.0
2   9.0   NaN  12.0
3  13.0  15.0  16.0

[code]
>>> #---------------------------替换无效值---------------------------
>>> #通过fillna函数将无效值替换成为有效值：
>>> print("df.fillna(0):\n{}\n".format(df.fillna(0)))
df.fillna(0):
0    1     2     3
0   1.0  0.0   3.0   4.0
1   5.0  0.0   0.0   8.0
2   9.0  0.0   0.0  12.0
3  13.0  0.0  15.0  16.0

>>> print("df.fillna(-1):\n{}\n".format(df.fillna(-1)))
df.fillna(-1):
0    1     2     3
0   1.0 -1.0   3.0   4.0
1   5.0 -1.0  -1.0   8.0
2   9.0 -1.0  -1.0  12.0
3  13.0 -1.0  15.0  16.0

>>> print("df.fillna('无效'):\n{}\n".format(df.fillna('无效')))
df.fillna('无效'):
0   1   2     3
0   1.0  无效   3   4.0
1   5.0  无效  无效   8.0
2   9.0  无效  无效  12.0
3  13.0  无效  15  16.0

>>> #可以指定不同的数据来进行填充,为了便于操作，在填充之前，我们可以先通过'rename'方法修改行和列的名称
>>> df.rename(index={0: 'index1', 1: 'index2', 2: 'index3', 3: 'index4'},
columns={0: 'col1', 1: 'col2', 2: 'col3', 3: 'col4'},
inplace=True)
>>> df.fillna(value={'col2': 222}, inplace=True)
>>> df.fillna(value={'col3': 777}, inplace=True)
>>> print("df:\n{}\n".format(df))
df:
col1   col2   col3  col4
index1   1.0  222.0    3.0   4.0
index2   5.0  222.0  777.0   8.0
index3   9.0  222.0  777.0  12.0
index4  13.0  222.0   15.0  16.0

[code]>>> #-----------------------------处理字符串---------------------------------
>>> #Series的str字段包含了一系列的函数用来处理字符串。并且，这些函数会自动处理无效值。
>>> s1 = pd.Series([' 1', '2 ', ' 3 ', '4', '5'])#PS：空格
>>> print("s1.str.rstrip():\n{}\n".format(s1.str.lstrip()))
s1.str.rstrip():
0     1
1    2
2    3
3     4
4     5
dtype: object

>>> print("s1.str.strip():\n{}\n".format(s1.str.strip()))
s1.str.strip():
0    1
1    2
2    3
3    4
4    5
dtype: object

>>> print("s1.str.isdigit():\n{}\n".format(s1.str.isdigit()))
s1.str.isdigit():
0    False
1    False
2    False
3     True
4     True
dtype: bool

>>> #下面是另外一些示例，展示了对于字符串大写，小写以及字符串长度的处理
>>> s2 = pd.Series(['Stairway to Heaven', 'Eruption', 'Freebird',
'Comfortably Numb', 'All Along the Watchtower'])
>>> print("s2.str.lower():\n{}\n".format(s2.str.lower()))
s2.str.lower():
0          stairway to heaven
1                    eruption
2                    freebird
3            comfortably numb
4    all along the watchtower
dtype: object

>>> print("s2.str.upper():\n{}\n".format(s2.str.upper()))
s2.str.upper():
0          STAIRWAY TO HEAVEN
1                    ERUPTION
2                    FREEBIRD
3            COMFORTABLY NUMB
4    ALL ALONG THE WATCHTOWER
dtype: object

>>> print("s2.str.len():\n{}\n".format(s2.str.len()))
s2.str.len():
0    18
1     8
2     8
3    16
4    24
dtype: int64