Python其实很简单第十九章Pandas之Series与D

　　19。1安装Anaconda
　　Anaconda是Python的一个开源发行版本，它预装了丰富的第三方库，而且主要面向科学计算和数据分析，使用起来要比原版的Python更省时省力。
　　Anaconda官方下载网址为：https：www。continuum。iodownloads。下载和安装的方法很简单，若有问题可以在网上搜索相关内容学习解决。
　　安装Anaconda之后，就会发现在Anaconda目录下同时安装了JupyterNotebook、Spyder等工具，我们接下来主要使用Spyder进行开发。关于Spyder的使用方法非常简单，大家也可以去网上搜索学习。
　　虽然Anaconda已经预装了很多常用的包，但有时我们也需要自己安装一些包。可以在开始菜单中选择AnacondaAnacondaPrompt命令，在命令行输入condainstall（代表包名）即可安装，也可以输入pipinstall。
　　19。2数据分析包Pandas
　　Pandas是Python的一个数据分析包，Anaconda安装时已经附带安装了Pandas包。
　　Pandas数据结构有三种：Series（一维数组）、DataFrame（二维数组）和Panel（三维数组），其中最常用的是前两种数据结构。
　　19。2。1Series
　　Series（序列）用于存储一行或一列数据，以及与之相关的索引的集合。
　　语法格式如下：
　　Series（〔数据1，数据2，。。。。。。〕，index〔索引1，索引2，。。。。。。〕）
　　例：
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕，index〔1，2，3〕）
　　print（s）
　　输出结果如下：
　　1张三
　　2李四
　　3王五
　　dtype：object
　　上面建立序列时指定了索引，若不指定，则默认的索引值从0开始。如下：
　　sSeries（〔张三，李四，王五〕）
　　输出结果为：
　　0张三
　　1李四
　　2王五
　　dtype：object
　　索引值也可以为字符串。如下：
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕，index〔A，B，C〕）
　　print（s）
　　输出结果为：
　　A张三
　　B李四
　　C王五
　　dtype：object
　　1、访问序列
　　（1）可以通过索引访问序列，如：
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕）
　　print（s）
　　print（s〔0〕）
　　print（s〔1：〕）
　　运行结果如下：
　　0张三
　　1李四
　　2王五
　　dtype：objectprint（s）输出
　　张三print（s〔0〕）输出
　　1李四
　　2王五
　　dtype：objectprint（s〔1：〕）输出
　　（2）通过值获取索引值
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕，index〔A，B，C〕）
　　print（s。index〔s。values李四〕）
　　运行结果：
　　Index（〔B〕，dtypeobject）
　　（3）判断值是否存在
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕，index〔A，B，C〕）
　　f李四ins。values
　　print（f）
　　运行结果：
　　True
　　（4）定位获取
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五，孙六〕，index〔A，B，C，D〕）
　　print（s〔〔0，2，1〕〕）
　　运行结果：
　　A张三
　　C王五
　　B李四
　　dtype：object
　　2、修改序列
　　（1）追加序列，如：
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五〕，index〔A，B，C〕）
　　s1Series（〔孙六〕，index〔D〕）
　　ss。append（s1）
　　print（s）
　　运行结果：
　　A张三
　　B李四
　　C王五
　　D孙六
　　dtype：object
　　（2）修改序列的值
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五，孙六〕，index〔A，B，C，D〕）
　　s〔1〕李飞
　　print（s）
　　运行结果：
　　A张三
　　B李飞
　　C王五
　　D孙六
　　dtype：object
　　不知道索引，仅知道要修改的值，也可通过值查找到索引后，再修改序列的值。如：
　　s〔s。index〔s。values李四〕〕李飞
　　这样也可以将李四修改为李飞。
　　（3）修改索引
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五，孙六〕，index〔A，B，C，D〕）
　　s。index〔0，1，2，3〕
　　print（s）
　　运行结果：
　　0张三
　　1李四
　　2王五
　　3孙六
　　dtype：object
　　（4）删除元素
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五，孙六〕，index〔A，B，C，D〕）
　　ss。drop（A）
　　print（s）
　　运行结果：
　　B李四
　　C王五
　　D孙六
　　dtype：object
　　（5）重新排序
　　可以按照索引排序，使用sortindex（ascendingTrue）方法对index进行排序操作。
　　frompandasimportSeries
　　sSeries（〔张三，李四，王五，孙六〕，index〔A，B，C，D〕）
　　ss。sortindex（ascendingFalse）ascendingFalse表示按降序排列
　　print（s）
　　运行结果：
　　D孙六
　　C王五
　　B李四
　　A张三
　　dtype：object
　　（6）重置索引
　　重置索引可以使用reindex（）。如果index列表中的元素多于序列的值，可用fillvalue0这样的语句填充。
　　ss。reindex（〔D，C，B，A〕）
　　如果index列表中的元素多于序列的值，可用fillvalue0这样的语句填充。
　　ss。reindex（〔D，C，B，A〕，fillvalue0）
　　19。2。2DataFrame
　　DataFrame（数据框架）用于存储多行和多列的数据集合。它是Series的容器，类似于Excel中二维表格。
　　定义一个DataFrame的语法格式如下：
　　dfDataFrame（｛列名1：序列1，列名2：序列2，。。。。。。。列名n：序列n｝，index序列）
　　例如，有如下二维表：
　　姓名
　　性别
　　年龄
　　张三
　　男
　　18hr李四
　　女
　　19hr王五
　　男
　　17hr保存到DataFrame中可以用如下方法：
　　frompandasimportSeries
　　frompandasimportDataFrame
　　nameSeries（〔张三，李四，王五〕）
　　sexSeries（〔男，女，男〕）
　　ageSeries（〔18，19，17〕）
　　dfDataFrame（｛姓名：name，性别：sex，年龄：age｝）
　　print（df）
　　运行结果：
　　姓名性别年龄
　　0张三男18
　　1李四女19
　　2王五男17
　　从上例可以看出，虽然我们省缺了索引，但系统自动添加了从0开始的索引值。
　　19。3DataFrame的基本操作
　　1、访问方式
　　（1）获取行
　　print（df〔1：2〕）获取第1行的值
　　输出结果：
　　姓名性别年龄
　　1李四女19
　　print（df〔1：3〕）获取第1行到第2行的值
　　输出结果：
　　姓名性别年龄
　　1李四女19
　　2王五男17
　　（2）获取列
　　print（df〔姓名〕）获取姓名列的值
　　输出结果：
　　0张三
　　1李四
　　2王五
　　Name：姓名，dtype：object
　　另一种方法：
　　print（df〔df。columns〔0：1〕〕）先按照索引号获取列名，再按照列名读取
　　输出结果和上面的方法完全一致。
　　还有一种情况，是获取唯一值，即将列内的重复值中多余的删除，仅留下互不相同的值。所用的到方法是unique（）。
　　sex1Series（df〔性别〕。unique（））
　　print（sex1）
　　输出结果：
　　0男
　　1女
　　dtype：object
　　（3）获取指定位置的值
　　print（df。at〔1，姓名〕）格式为变量名。at〔行号，列名〕
　　输出结果：
　　李四
　　（4）获取块的值
　　print（df。iloc〔0：2，1：3〕）格式为变量名。iloc〔行号1：行号2，列号1：列号2〕
　　输出结果：
　　性别年龄
　　0男18
　　1女19
　　print（df。iloc〔：，1：2〕）获取性别列的值
　　运行结果：
　　性别
　　0男
　　1女
　　2男
　　2、修改、删除、增加行和列
　　（1）修改列名
　　print（df。columns）
　　df。columns〔name，sex，age〕
　　print（df。columns）
　　输出结果：
　　Index（〔姓名，性别，年龄〕，dtypeobject）
　　Index（〔name，sex，age〕，dtypeobject）
　　可见，列名已经由姓名、性别、年龄修改为age、sex、age了。但这种修改必须把全部列名都一一列举，不能有遗漏，否则就会出错。如：
　　df。columns〔name，sex〕
　　此时会报错：ValueError：Lengthmismatch：Expectedaxishas3elements，newvalueshave2elements。
　　（2）修改行索引
　　df。index〔1，2，3〕
　　（3）删除行
　　df。drop（1，axis0）axis0表示行轴，也可以省略
　　（4）删除列
　　df。drop（‘性别’，axis1）axis0表示列轴
　　也可以使用另一种方法：
　　deldf〔性别〕
　　（5）增加列
　　df〔电话〕〔1111111，2222222，3333333〕
　　print（df）
　　运行结果：
　　姓名性别年龄电话
　　0张三男181111111
　　1李四女192222222
　　2王五男173333333
　　（6）增加行
　　df。loc〔len（df）〕〔孙六，男，20〕
　　（7）追加
　　frompandasimportSeries
　　frompandasimportDataFrame
　　nameSeries（〔张三，李四，王五〕）
　　sexSeries（〔男，女，男〕）
　　ageSeries（〔18，19，17〕）
　　dfDataFrame（｛姓名：name，性别：sex，年龄：age｝）建立DataFrame，变量名为df
　　name1Series（〔孙六，候七〕）
　　sex1Series（〔男，女〕）
　　age1Series（〔19，17〕）
　　df1DataFrame（｛姓名：name1，性别：sex1，年龄：age1｝）
　　建立DataFrame，变量名为df1
　　dfdf。append（df1，ignoreindexTrue）
　　将对df1追加到df后面，参数ignoreindexTrue表示重新索引
　　print（df）
　　运行结果：
　　姓名性别年龄
　　0张三男18
　　1李四女19
　　2王五男17
　　3孙六男19
　　4候七女17