Python数据分析学习笔记（二）

Pandas 入门

重新索引（reindex）

obj.reindex(['a','b','c','d','e'],fill_value=0)

索引值不存在则引入缺失值

obj3 = Series(['blue','purple','yellow'], index=[0,2,4])

obj3.reindex(range(6), method='ffill')

method
ffill 或 pad 前向填充（或搬运）值

bfill 或 backfill  后向填充（或搬运）值

dataframe

frame = DataFrame(np.arange(9).reshape(3,3), index=['a','c','d'],columns=['Ohio','Texas','California'])

ix

reindex 参数  index，method ， fill_value,limit,level ,copy

丢弃指定轴上的项

obj = Series(np.arange(5.), index=['a','b','c','d','e'])

new_obj = obj.drop('c')

dataframe

data = DataFrame(np.arange(16).reshape((4,4)), index= ['Ohio','Colorado','Utah','New York'], columns= ['one','two','three','four'])

data.drop('two',axis=1)

索引、选取和过滤

利用标签的切片运算与普通Python的不同，末端是包含的。

obj[val] 选取DataFrame的单个列或一组列。 切片 或布尔型 选行 

data[:2]   data[data['three']>5]

obj.ix[val]  选取单个行或一组行

obj.ix[:,val] 选取单个列或列子集

obj.ix[val,val] 同时选取行和列

reindex方法 将一个或多个轴匹配到新索引

xs方法 根据标签选取单行或单列，并返回一个Series

icol、irow方法

get_value、set_value方法 

算术运算和数据对齐

pandas最重要的一个功能是，它可以对不同索引的对象进行算术运算。在将对象相加时，如果存在不同的索引对，则结果的索引就是该索引对的并集。

自动的数据对齐操作在不重叠的索引处引入了NA值。缺失值会在算术运算过程中传播。

DataFrame也是类似的情况。

df1.add（df2， fill_value=0）

方法： add() 加法；sub() 减法； div() 除法； mul() 乘法

DataFrame与Series之间的算术甲酸会将Series的索引匹配到DataFrame的列，若找不到则形成并集

函数应用与映射

Numpy的ufuncs（元素级数组方法）也可用于操作pandas对象

f = lambda x: x.max() - x.min()frame.apply(f)def f(x):     rentur Series([.....],index=[...])frame.apply(f)

格式化的字符串

DataFrame

format = lambda x: '%.2f' %xframe.applymap(format)frame['e'].map(format)

排序和排名

使用sort_index(axis=0，ascending=True)方法，它将返回一个已排序的新对象。 默认0轴，升序。

按值排序可用order方法

obj=Series（[4，np.nan,7,np.nan,-3,2]）obj.order()

DataFrame 可通过by调整 frame.sort_value(by=['a',''b'])

Ranking(排名)会增加一个排名值

obj.rank(method='average',ascending=True)

frame.rank(axis=0)

method 方法： 

'average' 默认，在相等分组中，为各个值分配平均排名

'min'  使用整个分组最小排名

'max' 使用整个分组最大排名

'first'  原始数据中的出现顺序分配排名

带有重复值的轴索引

当标签不唯一时，则返回一个Series。DataFrame也是类似。