1、Pandas的数据结构分析

两种主要的数据结构：

• Series,一维数据结构
• DAtaFrame是二维的、表格型的数据结构

1.1 Series

索引位于左边，数据位于右边
创建Series类对象：

(1)用列表创建

（2）用字典创建

Series对象提供了两个属性index和values进行操作数据

也可以通过直接索引获取数据
例如：

下面这个是列表创建的Series，可以这样用，字典好像不可以，会报错

1.2 DataFrame

行索引位于最左边一列，列索引位于最上面一行，数据可以有多列
DataFrame的索引也可以自动创建



指定列索引，DataFrame的列会按照指定索引的顺序进行排列

再指定行索引

可以使用列索引的方式获取每列数据

查看返回结果的类型：

上面那个方式输出了列索引和数据类型，可以采用访问属性的方式，获取属性为NO2的一列数据：

注意：推荐使用列索引的方式获取数据！！，因为有的列索引名称可能带有一些特殊字符，采用“点字符”进行访问不合适

增加数据：给列索引或者列名称赋值实现
新增列的长度必须与其他列的长度保持一致：

删除数据：
del语句

2、Pandas索引操作及高级索引

2.1索引对象

插个题：

2.2 重置索引

索引没有的地方用NaN代替，还可以使用fill_value参数指定缺失值。

例子：

2.3索引操作

Series类对象属于一维结构，它只有行索引，而DataFrame类对象属于二维结构，它同时拥有行索引和列索引。由于它们的结构有所不同，所以它们的索引操作也会有所不同。

（1）Series的索引操作

Series有关索引的用法类似于NumPy数组的索引，只不过Series 的索引值不只是整数。如果我们希望获取某个数据，既可以通过索引的位置来获取，也可以使用索引名称来获取。

切片操作：
(位置索引：包含起始位置，不包含结束位置)

（索引名称：起始位置和结束位置都包括）

还可以通过不连续索引获取不连续数据：

(布尔索引也可以用于Pandas)

(2)DataFrame的索引操作

DataFrame结构既包含行索引，也包含列索引。其中，行索引是通过index属性进行获取的,列索引是通过columns属性进行获取的。

DataFrame中每一列的数据都是一个Series对象

不连续索引（是双括号！！！）获取数据：

3、算数运算与数据对齐

如果希望不使用NAN填充缺失数据，则可以在调用add方法时提供fill_value参数的值,fill_value将会使用对象中存在的数据进行补充，具体示例代码如下。

4、数据排序

4.1 按索引排序

Series的索引排序：

DataFrame的索引排序：

4.2按值排序

Series的按值排序:


DataFrame()的按值排序：

5.统计计算与描述

5.1常用的统计计算

5.2统计描述

6.层次化索引

（创建两层索引的对象）：


（1）通过from_tuples()方法创建Multilndex对象
from_tuples()方法可以将包含若干个元组的列表转换为Multilndex对象，其中元组的第一个元素作为外层索引，元组的第二个元素作为内层索引。

（2）通过from_arrays()方法创建Multilndex对象
from_arrays()方法是将数组列表转换为Multilndex对象，其中嵌套的第一个列表将作为外层索引，嵌套的第二个列表将作为内层索引。

（2）通过from_product()方法创建Multilndex对象

6.2 层次化索引操作

（1）选取子集操作

（2）交换分层顺序

swaplevel()方法

（3）排序分层

模块参数更新了：需要用sort_values()

7. 读写文件操作

因为没有文件，也不想写文件就直接看书上的了。

（1）写入csv

（2）读csv

(3)写Excel

(4)读取Excel

(5)读取HTML表格

（6）读写数据库

1、使用read_sql函数读取数据



2、使用to_sql方法将数据写入数据库

最后

以上就是合适电源为你收集整理的数据分析工具Pandas1、Pandas的数据结构分析2、Pandas索引操作及高级索引3、算数运算与数据对齐4、数据排序5.统计计算与描述6.层次化索引7. 读写文件操作的全部内容，希望文章能够帮你解决数据分析工具Pandas1、Pandas的数据结构分析2、Pandas索引操作及高级索引3、算数运算与数据对齐4、数据排序5.统计计算与描述6.层次化索引7. 读写文件操作所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。