from pandas import Series,DataFrame
import pandas as pd
#创建一个Series对象,Series的表现形式索引在左，值在右。默认整数索引。
#Series类似于一维数组对象，它由一组数据和数据标签（索引）组成。
obj = Series([3,4,-1,2])
obj #0 3
#1 4
#2 -1
#3 2
#dtype: int64
obj.values #array([ 3, 4, -1, 2], dtype=int64)
obj.index #RangeIndex(start=0, stop=4, step=1)
#指定索引
obj2 = Series([3,4,-1,2],index=['a','b','c','d'])
obj2 #a 3
# b 4
# c -1
# d 2
# dtype: int64
obj2.index #Index(['a', 'b', 'c', 'd'], dtype='object')
#Seriese通过索引的方式获取一个或一组值
obj2['b'] #4
obj2[['a','c','d']] #a 3
# c -1
# d 2
# dtype: int64
#Series进行计算会保留索引和值之间的链接
obj2*2 #a 6
# b 8
# c -2
# d 4
# dtype: int64
obj2[obj2>2] #a 3
#b 4
#dtype: int64
#通过字典的形式创建Series对象
data={'a':1,'b':2,'c':-5}
Series(data) #a 1
#b 2
#c -5
#dtype: int64
#Series本身有一个name属性，索引又有个name属性
obj2.name='obj_name'
obj2.index.name='index_name'
obj2 #index_name
# a 3
# b 4
# c -1
# d 2
# Name: obj_name, dtype: int64
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
#DataFrame是一个表格型数据结构，它包含一组有序的列，既有行索引也有列索引
#通过字典创建DataFrame对象，字典中每个元素代表一列，key代表列名，value代表列的值。
data={'column_a':[1,2,3],'column_b':[4,5,6],'column_c':[7,8,9]}
DataFrame(data) # column_a column_b column_c
# 0 1 4 7
# 1 2 5 8
# 2 3 6 9
#自定义生成一个DataFrame
df1=DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]},columns=['a','b','c'],index=['row1','row2','row3']) # a b c
#row1 1 4 7
#row2 2 5 8
#row3 3 6 9
#获取列数据 通过DataFrame.列名 或者 DataFrame['列名']
#通过字典的方式或者属性的方式，可以将DataFrame的列获取为一个Series,返回的Series拥有与DataFrame相同的索引。
df1['a']
df1.a # row1 1
# row2 2
# row3 3
# Name: a, dtype: int64
#通过索引获取行数据 DataFrame.loc['索引名']
df1.loc['row2'] #a 2
#b 5
#c 8
#Name: row2, dtype: int64
#列可以通过赋值的方式进行修改
df1['d']=np.arange(3)
df1
#或者
obj = Series([6,6,6],index=['row1','row2','row3'])
df1['d']=obj
df1 # a b c d
# row1 1 4 7 6
# row2 2 5 8 6
# row3 3 6 9 6
#删除列
del df1['d']
df1
#嵌套字典形式生成DataFrame {列名：{行名：value，行名：value},
# 列名：{行名：value，行名:value} }
data = {'lie1':{'row1':1,'row2':2},
'lie2':{'row1':3,'row2':4}}
df2 = DataFrame(data) # lie1 lie2
# row1 1 3
# row2 2 4
df2.values #array([[1, 3],
# [2, 4]], dtype=int64)
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
#重新索引，pandas通过reindex方法，创建一个适应新索引的新对象
obj=Series([1,2,3],index=['a','b','c'])
obj2=obj.reindex(['c','b','a','e'])
obj2 #c 3.0
#b 2.0
#a 1.0
#e NaN
#dtype: float64
#reindex中的method选项，可以指定向前或向后填充 ffill向前 bfill向后
obj3=obj.reindex(['c','b','a','e','g'],method='ffill')
obj3 #c 3
#b 2
#a 1
#e 3
#g 3
#dtype: int64
#对于DataFrame，reindex可以修改索引，列，或者两个都修改
df=DataFrame(np.arange(9).reshape(3,3),index=['a','b','c'],columns=['c1','c2','c3'])
df
# c1 c2 c3
#a 0 1 2
#b 3 4 5
#c 6 7 8
df1=df.reindex(['a','b','c','d'])
df1 # c1 c2 c3
#a 0.0 1.0 2.0
#b 3.0 4.0 5.0
#c 6.0 7.0 8.0
#d NaN NaN NaN
df2=df.reindex(columns=['c1','c2','c3','c4'])
df2 # c1 c2 c3 c4
# a 0 1 2 NaN
# b 3 4 5 NaN
# c 6 7 8 NaN
#丢弃指定轴上的项drop
obj = Series([1,2,3],index=['a','b','c'])
obj2 = obj.drop('c')
obj2 #a 1
# b 2
#dtype: int64
#DataFrame可以删除任意轴上的索引
df3=df.drop(['a'])
df3
# c1 c2 c3
#b 3 4 5
#c 6 7 8
df4=df.drop(['c1'],axis=1)
df4 # c2 c3
#a 1 2
#b 4 5
#c 7 8
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
obj=Series([3,2,1],index=['a','b','c'])
obj #a 3
#b 2
#c 1
#dtype: int32
#通过索引名称获取值
obj['b'] #2
#通过索引获取值
obj[0] #3
obj[1] #2
#切片
obj[0:2] #a 3
#b 2
#dtype: int64
#利用标签切片运算和普通python切片不同，其末端是包含的
obj[['c','a']] #c 1
#a 3
#dtype: int64
obj['a':'b'] #a 3
#b 2
#dtype: int64
#赋值
obj['a':'b']=9
obj #a 9
#b 9
#c 1
#dtype: int64
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
data = DataFrame(np.arange(9).reshape(3,3),index=['r1','r2','r3'],columns=['c1','c2','c3'])
data # c1 c2 c3
#r1 0 1 2
#r2 3 4 5
#r3 6 7 8
#对DataFrame索引就是获取一个或多个列
data['c2'] #r1 1
#r2 4
#r3 7
#Name: c2, dtype: int32
data[['c1','c3']] # c1 c3
#r1 0 2
#r2 3 5
#r3 6 8
#通过切片选取行
data[0:2] # c1 c2 c3
# r1 0 1 2
# r2 3 4 5
#选取指定列，指定行
data.loc['r2',['c1','c2']] #c1 3
#c2 4
#Name: r2, dtype: int32
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
#Series算术运算
s1=Series([1,2,3],index=['a','b','c'])
s2=Series([1,2,3],index=['a','b','d'])
s1+s2 #a 2.0
#b 4.0
#c NaN
#d NaN
#dtype: float64
#DataFrame算术运算
df1=DataFrame(np.arange(4).reshape(2,2),index=['a','b'],columns=['c1','c2'])
df2=DataFrame(np.arange(4).reshape(2,2),index=['a','b'],columns=['c1','c3'])
df1+df2 # c1 c2 c3
#a 0 NaN NaN
#b 4 NaN NaN
#填充值（没有填充值会产生NAN）
#运算 add sub div mul
df1.add(df2,fill_value=0) # c1 c2 c3
#a 0 1.0 1.0
#b 4 3.0 3.0
#DataFrame与Series运算
#二位数组与某行运算（广播）
arr=np.arange(9).reshape(3,3)
arr #array([[0, 1, 2],
# [3, 4, 5],
# [6, 7, 8]])
arr[0] #array([0, 1, 2])
arr-arr[0] #array([[0, 0, 0],
# [3, 3, 3],
# [6, 6, 6]])
#DataFrame与Serie运算就是在行上进行广播
df=DataFrame(arr,index=[1,2,3],columns=['a','b','c'])
df # a b c
# 1 0 1 2
# 2 3 4 5
# 3 6 7 8
df.loc[1] #DataFrame取指定行的值 a 0
#b 1
#c 2
df-df.loc[1] # a b c
# 1 0 0 0
# 2 3 3 3
# 3 6 6 6
#DataFrame在列上广播,必须使用算数运算方法
df['a'] #1 0
#2 3
#3 6
df.sub(df['a'],axis=0) # a b c
#1 0 1 2
#2 0 1 2
33 0 1 2
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
#函数应用
df=DataFrame(np.arange(9).reshape(3,3),columns=list('abc'))
df # a b c
# 0 0 1 2
# 1 3 4 5
# 2 6 7 8
f=lambda x:x.max()-x.min()
#axis=0,函数f应用在每一列上
df.apply(f,axis=0) #a 6
#b 6
#c 6
#axis=1，函数f应用在每一行上
df.apply(f,axis=1) #0 2
#1 2
#2 2
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
obj=Series([2,1,4,3],index=list('bcda'))
obj #b 2
#c 1
#d 4
#a 3
#根据索引排序
obj.sort_index() #a 3
#b 2
#c 1
#d 4
#根据值排序
obj.sort_values() #c 1
#b 2
#a 3
#d 4
df=DataFrame([[3,2,1],[9,7,8],[4,6,5]],index=list('cba'),columns=list('cba'))
#指定轴索引排序(行索引)
df.sort_index(axis=0) # c b a
#a 4 6 5
#b 9 7 8
#c 3 2 1
#指定轴索引排序(列索引)
df.sort_index(axis=1) # a b c
#c 1 2 3
#b 8 7 9
#a 5 6 4
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
df= DataFrame(np.arange(6).reshape(3,2),index=list('abc'),columns=['c1','c2'])
df # c1 c2
# a 0 1
# b 2 3
# c 4 5
#DataFrame的sum方法，返回一个含有列小计的Series
df.sum() #c1 6
#c2 9
#axis=1,按行进行小计
df.sum(axis=1) #a 1
#b 5
#c 9
#统计达到最大值或最小值的索引
df.idxmax() #c1 c
#c2 c
df.idxmin() #c1 a
#c2 a
#累计
df.cumsum() # c1 c2
#a 0 1
#b 2 4
#c 6 9
#汇总统计
df.describe() # c1 c2
#count 3.0 3.0
#mean 2.0 3.0
#std 2.0 2.0
#min 0.0 1.0
#25% 1.0 2.0
#50% 2.0 3.0
#75% 3.0 4.0
#max 4.0 5.0
obj=Series([1,1,1,2,2,2,2,2,3,3,3,8,4,4,5])
#unique()方法返回Series中的唯一值，以数组的形式
uniques=obj.unique()
uniques #array([1, 2, 3, 8, 4, 5], dtype=int64)
#value_counts()计算Series中各个值出现的次数
obj.value_counts() #2 5
#3 3
#1 3
#4 2
#8 1
#5 1
#计算一个表示“Series中的值是否包含于传入的值”布尔型序列
mask=obj.isin([1,2,3]) #0 True
#1 True
#2 True
#3 True
#4 True
#5 True
#6 True
#7 True
#8 True
#9 True
#10 True
#11 False
#12 False
#13 False
#14 False
obj[mask] #0 1
#1 1
#2 1
#3 2
#4 2
#5 2
#6 2
#7 2
#8 3
#9 3
#10 3
obj=Series([1,2,np.nan,3,np.nan])
obj.dropna()
obj[obj.notnull()]
#丢弃全为NAN的行
df.dropna(how='all')
#丢弃全为NAN的列
df.dropna(how='all',axis=1)