醒醒，别睡了...讲《数据分析pandas库》了—/—＜1＞

一、了解pandas

        No.1 Pandas 是 Python 语言的一个扩展程序库，用于数据分析，是一个强大的分析结构化数据的工具集，基础是Numpy库，可以去参考前面所讲的课。（提供高性能的矩阵运算）

        No.2 应用 ：Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据，对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

        No.3 数据结构：Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据）

                ● Series：是一种类似于一维数组的对象，它由一组数据（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。可以简单看一下下列代码：

                ● DateFrame： 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

        No.4 特点：Pandas 可以让你轻松地处理各种数据结构，尤其是表格型数据，如 SQL 数据库或 Excel 表格。主要特点为：数据结构、数据加载与保存、数据清洗与转换、数据分析与统计、数据可视化

二、运用pandas

1、安装pandas库

        不多说，直接win+R

pip install pandas

2、设定系统环境

        因为我使用的是jupyter notebook（pycharm终端直接输入jupyter notebook+回车），因为jupyter更适合对数据类型的处理，第一次打开需要设定一下系统环境，当然，pycharm也可以敲代码，但是社区版的用不了jupyter。

#导入pandas包
import pandas as pd
#设定页面运行结果最大行数
pd.options.display.max_rows=10
#显示版本号
print(pd.__version__)

3、Series对象创建

        Series：一维数组,与Numpy中的一维array类似。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。用值列表生成 Series 时，Pandas 默认自动生成整数索引 。

import pandas as pd
date=pd.Series([45,6,8,6,12,55,6])
#也可以这么写date=pd.Series(list('abcde'))
print(date)

        其打印结果如图所示：

        即生成一个一维数组，前一列为索引，后一列为值

        ● date.values：获取值信息

        ● date.index：获取索引信息，即打印索引的始末以及步长

        ● 指定index：使用list列表指定index

date1=pd.Series([45,6,8,6,12],index=['one','two','three','four','five'])

#导入一个字典，然后生成一个一维数组，
population=pd.Series({'beijing':10,'shanghai':10,'guangzhou':10})
#通过索引取这个一维数组的值，如果没有这个索引则返回Non
pd.Series(population,index=['shanghai','a'])

             

        ● 将一个标量与index对象一起传入创建

pd.Series(10,list("abcd"))

4、DateFrame对象的创建

        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。将两个series对象作为dict的value传入，就可以创建一个DataFrame对象。

4.1 观察代码了解DateFrame的用法

#定义两个字典用来存放行数据
popular={'hangzhou':1000,'shanghai':1100,'beijing':1200}
area={'hangzhou':800,'shanghai':900,'beijing':999}
#将两个字典导入Series,将其改编成一维数组类型
a=pd.Series(popular)
b=pd.Series(area)
#将两个一维数组合并起来，并命名字典中值所对应的列名，列名为popular和area
df=pd.DataFrame({"popular":a,"area":b})

        其打印结果为一个列表：

        ● 解析values index columns属性

        以 上部分代码结果 df 为例

df.index：即为这个二维数组的索引名称

df.values： 即返回这个列表所对应值的二维数组：

df.columns：即打印列的信息:

4.2 列表创建

        观察以下代码，稍后再慢慢分析

popular={'hangzhou':1000,'shanghai':1100,'beijing':1200}
area={'hangzhou':800,'shanghai':900,'beijing':999}
 
pd.DataFrame([popular,area],index=['population','area'])

打印结果为：

这段代码和上面写的基本一致，只不过改了行和列的位置，即导入两个字典，字典键是一样的，如果不一样会增加一列，对应没有的值会返回NaN，然后再使用DateFrame将两个字典写入列表，DateFrame括号内后一部分index行，前一部分为列，将两个字典导入列表写入列表，再以index来命名行的名称

4.3 索引columns的使用

columns顾名思义就是列的意思，在DateFrame中当做属性指定列名来使用

popular={'hangzhou':1000,'shanghai':1100,'beijing':1200}
population=pd.Series(popular)
pd.DataFrame(population,columns=['nihao'])

4.4 二维数组指定columns和index创建

        先看代码

import numpy as np
pd.DataFrame(np.random.randint(1,100,(4,5)),index=list('abcd'),columns=list('efghi'))

其生成如图所示的4行5列的列表：

解析代码：

np.random.randint(1,100,(4,5))是随机生成1-100的整数，组成4行5列，

index=list('abcd'),columns=list('efghi') 他俩的作用一个是索引名称一个是列名，用列表中的值输出

最后将这两部分放进DateFrame中生成一个带索引名和列名的列表

4.5 取列的方式

        ● df.e :获取列表df中索引列为e的列数据

        ● df['e'] ：获取列表df中索引列为e的列数据