导入pandas
import pandas as pdPandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。
Series
pd.Series(self, data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)index为可选参数，若不填写则默认index从0开始;若填写则index长度应该与data长度相等。
它是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象。
示例1：
import pandas as pd
import numpy as np
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)
输出：
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64示例2（加入index）：
s = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
print(s)
输出：
a 1
b 2
c 3
d 4
e 5
dtype: int64示例3（字典形式传入）：
s = pd.Series({'a':1,'b':2,'c':3})
print(s)
输出：
a 1
b 2
c 3
dtype: int64示例4（全一个值）：
s =pd.Series('ex',index=range(4))
print(s)
输出：
0 ex
1 ex
2 ex
3 ex
dtype: objectSeries对象还有以下方法
dropna() # 过滤掉值为NaN的行
fillna() # 填充缺失数据
isnull() # 返回布尔数组，缺失值对应为True
notnull() # 返回布尔数组，缺失值对应为False在pandas当中使用整数索引取值是优先以标签解释的（就是index的值），而不是下标，即s[1]的1是index值，不是下标。
DataFrame
DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。
示例1（通过字典创建DataFrame）
df=pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]},index=[list("abcd")])
print(df)
输出：
one two
a 1 4
b 2 3
c 3 2
d 4 1字典的key就是列索引，行索引和series一致
示例2（用含日期时间索引与标签的 NumPy 数组生成 DataFrame）：
import pandas as pd
import numpy as np
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)
dates = pd.date_range('20200528', periods=6)
print(dates)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)
输出:
DatetimeIndex(['2020-05-28', '2020-05-29', '2020-05-30', '2020-05-31',
'2020-06-01', '2020-06-02'],dtype='datetime64[ns]', freq='D')
A B C D
2020-05-28 0.855412 0.579027 -0.230115 0.219510
2020-05-29 -1.326889 -2.332480 0.903092 -0.434896
2020-05-30 0.261738 -0.241283 0.366975 -0.663830
2020-05-31 0.529805 -0.476377 0.612251 0.298802
2020-06-01 0.954291 -0.353668 1.025417 -0.102539
2020-06-02 0.304185 -1.111570 -0.988662 -0.906860DataFrame常用方法：
index 获取行索引
columns 获取列索引
T 转置
values 获取值
describe() 获取快速统计
DataFrame切片
方法1：两个中括号，先取列再取行。
print(df['one'][0:2])
输出：
a 1
b 2 方法2（推荐）：使用loc（标签）/iloc（下标）属性，一个中括号，逗号隔开，先取行再取列。
df.loc
#df.loc[index, column_name]#知道列名字
df=pd.DataFrame(np.random.randn(5,3),columns=['1st','2st','3st'])
print("df:\n",df)
print("切片:\n",df.loc[0:2,'1st'])
输出
df:
1st 2st 3st
0 -0.423567 -1.641365 -0.964554
1 2.182152 1.946627 1.567575
2 1.460775 0.241103 -0.213155
3 -0.174908 -0.838250 -0.601795
4 -0.223915 0.912240 0.764790
切片:
0 -0.423567
1 2.182152
2 1.460775
Name: 1st, dtype: float64df.iloc
#df.iloc[row_index, column_index]
print(df.iloc[[1,2],[1,2]])
输出：
2st 3st
1 1.061422 -1.293969
2 0.850033 -0.096409DataFrame可以由不同数据类型组成
df2 = pd.DataFrame({'A': 1.,
'B': pd.Timestamp('20200529'),
'C': pd.Series(1, index=list(range(4)), dtype='float32'),
'D': np.array([3] * 4, dtype='int32'),
'E': pd.Categorical(["test", "train", "test", "train"]),
'F': 'foo'})
print(df2)
输出：
A B C D E F
0 1.0 2020-05-29 1.0 3 test foo
1 1.0 2020-05-29 1.0 3 train foo
2 1.0 2020-05-29 1.0 3 test foo
3 1.0 2020-05-29 1.0 3 train foodf.to_numpy()
调用 DataFrame.to_numpy() 时，Pandas 查找支持 DataFrame 里所有数据类型的 NumPy 数据类型。还有一种数据类型是 object，可以把 DataFrame 列里的值强制转换为 Python 对象。
dftonp=df2.to_numpy()
print(dftonp)
输出：
[[1.0 Timestamp('2020-05-29 00:00:00') 1.0 3 'test' 'foo']
[1.0 Timestamp('2020-05-29 00:00:00') 1.0 3 'train' 'foo']
[1.0 Timestamp('2020-05-29 00:00:00') 1.0 3 'test' 'foo']
[1.0 Timestamp('2020-05-29 00:00:00') 1.0 3 'train' 'foo']]df.describe()
用于查看数据的统计摘要
print(df2.describe())
输出：
A C D
count 4.0 4.0 4.0
mean 1.0 1.0 3.0
std 0.0 0.0 0.0
min 1.0 1.0 3.0
25% 1.0 1.0 3.0
50% 1.0 1.0 3.0
75% 1.0 1.0 3.0
max 1.0 1.0 3.0
读写文件
csv
pd.read_csv('xxx.csv')
df.to_csv('xxx.csv')excel
pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])
df.to_excel('foo.xlsx', sheet_name='Sheet1')本博客所有文章除特别声明外，均采用 CC BY-SA 3.0协议 。转载请注明出处！