Pandas

df为DataFarme的对象由多个Series组成，而Series是DataFarme的列对象

Series由索引和值组成

创建Series对象的方式：

列表创建:

# 列表转化为创建series对象
s1=pd.Series(['a','b','c'])
print(s1)
# 自定义索引
s2=pd.Series(['a','b','c'],index=['1','2','3'])
print(s2)

字典创建：

# 字典
s=pd.Series({'a':1,'b':2,'c':3})
s

元组转化：

# 元组转化
s4=pd.Series((11,22,33,44))
s4

adarry转化：

#adarry转化
s5=pd.Series(np.arange(5))
s5

Series属性：索引和值：

values和index

# 属性
s6=pd.Series(data=[i for i in range(6)],index=[i for i in 'ABCDEF'])
s6
# 获取索引和值
print(s6.index)
print(s6.values)

根据索引修改值：

# 根据索引修改值
print(s6["C"])
s6["F"]=99
s6

DataFarme:

类似于二维数组或者表格对象：

行索引：横向索引叫index

列索引：纵向索引叫columns

创建DataFarme对象的方式：

1.直接读取文件

df=pd.read_csv("文件路径”,encoding=‘解码集’)

2.字典加列表创建

info={
    'name':['张三','李四','王五'],
    'gender':['男','女','男'],
    'age':[21,22,33],
}

df1=pd.DataFrame(info)
df1

3.列表加元组

info2=[
    ('张三','男',43),
    ('王五','男',23),
    ('李四','男',53)
]
df2=pd.DataFrame(info2,columns=['name','gender','age'])
df2

4.ndarry来创建

# ndarry来创建DataFarme对象

arr1=np.arange(12).reshape(3,4)
df3=pd.DataFrame(arr1,columns=['a','b','c','e'])
df3

案例：

# 案例 10行五列拼接
arr2=np.random.randint(40,101,size=(10,5))
#改为对象
df4=pd.DataFrame(arr2)

#添加列名（0-4）和索引值（0-9）
# 列名：
colunm_names=['语文','数学','英语','物理','化学']
# 索引值：
index_names=[ '同学'+str(i) for i in range(df4.shape[0])]

df4.columns=colunm_names
df4.index=index_names
df4

DataFrame对象的属性

形状：df.shape

df4.shape

行索引：df.index

df4.index

列索引：df.columns

df4.columns

获取值：df.values

df4.values

转置：（行转列，列转行）df.T

df4.T

对象方法：

获取前多少行：

#前五行
df4.head(5)

获取后多少行：

#后五行
df4.tail(5)

详细信息：

# 查看详情
df4.info()

统计信息：

# 查看统计信息
df4.describe()

重置索引：

drop默认为Fales:添加新的索引原索引添加到表中

True：删除原索引添加新的索引

#重置原索引
df4.reset_index(drop=True)

以某个列为索引：

df4.set_index('语文')

Pandas的数据类型：

Pandas的基本数据操作：

获取数据：

获取数据必须是先列后行

df['high']['2018-02-27']

使用loc和iloc获取数据

loc:[行索引，列名]

# 结合loc为  行索引,列名
df.loc['2018-02-27','close']
#24.16
# 取范围

df.loc['2018-02-27':'2018-02-14','open':'low']

iloc:[行号，列索引]

# 结合iloc   行号，列索引
df.iloc[0:5,0:2]

排序：默认值为升序True   False:为降序

值排序：

单值排序：

# 单值排序,True 为升序，false为降序
df.sort_values('close',ascending=False)

多值排序：

df.sort_values(['open','high'],ascending=[False,False])

索引排序

#索引排序
df.sort_index(ascending=True)

Series对象的排序：

# Series对象，索引排序
df.open.sort_index(ascending=False)

#值排序
df.open.sort_values(ascending=True)

算数运算：

# 算数运算符
df.close+2

逻辑运算：

# 大于
df[df.open>23]

逻辑运算函数：

并且需要使用”  &  “符号

df.query:

# open大于23并且小于24
df.query('open>23 & open<24')

统计函数：

与numpy相同

# 计算平均值、标准差、最大值、最小值
data.describe()

min(最小值), max(最大值), mean(平均值), median(中位数), var(方差), std(标准差),mode(众数)

自定义运算：

apply(函数名，axis=0) 默认为列

axis=1对行进行操作，axis=0对列进行操作

可以使用lambda表达式：

lambda loc : loc.max()-loc.min()

def func(clo):
    return clo.max()-clo.min()

df[['open','close']].apply(func)