linux 下 pandas 库运用 知识点整合

import numpy as npimport pandas as pd'''1.Series类型:带索引（标签）的一维数组，类似于字典Index(pandas自己定义的Index类型)   Value(ndarray类型)a                                    1b                                    2c                                    3'''# 1)Series 类型的创建# 由标量创建Series_1_1 = pd.Series(data=25, index=('a', ))Series_1_2 = pd.Series(data=25, index=['a', 'b', 'c'])Series_1_1.index.name = 'Series_1_1_index_name'Series_1_1.name = 'Series_1_1'print("由标量创建：\n", Series_1_1, "\n", Series_1_2)print("typeof Index:", type(Series_1_1.index))print("typeof Value:", type(Series_1_1.values))#Series_1_2[0]==Series_1_2['b']#Series_1_2[['b','c']] yes！ Series_1_2[[0,1]] yes！#Series_1_2[0,'b'] no 两套索引并存，但不能同时使用# Python 字典的 get 方法和 in关键字可以使用# Series_1_2.get('a',default=10)# 'a' in Series_1_2print("索引：", Series_1_2[0], Series_1_2['b'], "\n", Series_1_2[['b', 'c']],      "\n", Series_1_2[[0, 1]], '\n',      Series_1_2.get('a', default=10), '\n', 'a' in Series_1_2)#由python序列创建Series_2_1 = pd.Series([1, 2, 3], index=range(3))Series_2_2 = pd.Series(data=(1, 2, 3), index=range(6, 3, -1))print("由python序列创建：\n", Series_2_1, "\n", Series_2_2)#由Python字典创建Series_3_1 = pd.Series(data={'a': 1, 'b': 2, 'c': 3})Series_3_2 = pd.Series(    data={'a': 1,          'b': 2,          'c': 3}, index=('b', 'c', 'a', 'd'))print("由Python字典创建：\n", Series_3_1, "\n", Series_3_2)#由ndarray数组创建Series_4_1 = pd.Series(    data=np.arange(start=2, stop=6, step=1), index=(1, 4, 6, 3))print("由ndarray数组创建：\n", Series_4_1)#2）Series数组的运算#）与标量的运算 ndarray数组的运算法则print("Series_1_2+25:", Series_1_2 + 25)print("np.log(Series_1_2):", np.log(Series_1_2))#)Series与Series 之间进行运算，是索引对齐运算 结果为并集，不重合的所以部分value 域为零print("Series_1_2+Series_1_1:", Series_1_2 + Series_1_1)'''2.DataFrame 类型 ：带 标签的二维数组     columns column_1 column_2indexrow_1       1         2    row_2       3         4轴axis=0 为列方向的轴  轴axis=1  为行方向的轴dataFrame.columns Index 对象dataFrame.index Index对象dataFrame.values ndarray 二维数组对象  '''#3）DataFrame对象构造方法# 直接利用nparray多维数组创建dataFrame_1 = pd.DataFrame(    data=10 * np.random.rand(20).reshape(4, 5),    index=['row_1', 'row_2', 'row_3', 'row_4'],    columns=['1', '2', '3', '4', '5'])print("直接利用nparray多维数组创建:", dataFrame_1)# 利用python字典创建'''data_2={    column_1: （values域）（Python序列，Python字典），也可以是一个Series对象    column_2: （values域）}'''data_2 = {    'column_1': {        'a': 1,        'b': 2    },    'column_2': {        'a': 2,        'b': 3    },    'column_3': pd.Series(data=np.arange(2), index=['a', 'c'])}dataFrame_2 = pd.DataFrame(data=data_2)print("利用python字典创建:", dataFrame_2)#4)DataFrame对象的切片操作'''#dataFrame类型的索引 切片操作loc at 根据自定义索引选取'''print("\ndataFrame类型的索引 切片操作loc at\n")#用，分割选取元素选取时是选取的列 dataFrame_2['column_1','column_2'] 正确print("单个元素选取时是选取的列，比如：dataFrame_2['column_1']", dataFrame_2['column_1'])#切片时又是选择行 dataFrame_2['column_1':'column_2']是错误的print("切片时又是选择行，eg：dataFrame_2[0：2]", dataFrame_2[0:2])print(":.ix", dataFrame_2.ix['a'])  #dataFrame_2.ix[1] okprint("eg:loc多个元素", dataFrame_2.loc['a':'c', 'column_1':'column_2'])  #包含尾部print("eg:loc单个元素", dataFrame_2.loc['a', 'column_1'])print("eg:at单个元素", dataFrame_2.at['a', 'column_1'])'''#dataFrame类型的索引 切片操作iloc iat,类似于ndarray数组的切片操作,采用下标切片，不能用自定义的索引'''print("\ndataFrame类型的索引 切片操作iloc iat,类似于ndarray数组的切片操作,采用下标切片，不能用自定义的索引\n")print(dataFrame_2.iloc[2])  #第二行print("\n", dataFrame_2.iloc[1, 0:2])print(dataFrame_2.iloc[2, 1])  #选取单个元素，效率低print(dataFrame_2.iat[0, 0])  #选取单个元素效率高#5）dataFrame 对象的筛选'''#dataFrame 对象的筛选 dataFrame_2[dataFrame.column_1>0.5] 选取出来是有True的那一行dataFrame.column_1>0.5 columns(列方向上的） 的 boolean Series 对象  | 或 & ~(取反) ^ (异或)可以用'''print("\nDataFrame 对象的筛选 \n", dataFrame_2[dataFrame_2['column_1'] > 0.5])print('\nDataFrame 对象的筛选 ,选取特定的列\n',      dataFrame_2['column_1'][~(dataFrame_2['column_1'] > 0.5)])#6)Index 类型的 方法'''下列方法均产生新的 Index.append(idx)连接另一个Index对象.diff(idx)计算差集.intersection(idx)计算交集.union(idx)计算并集.delete(loc)删除index对象位置loc的索引,不改变原Index对象，返回一个新的Index对象.insert(loc,value)在loc位置增加一个value元素，不改变原Index对象，返回一个新的Index对象'''new_columns = dataFrame_2.columns.insert(4, 'new_column')print(new_columns)#6）#DataFrame 对象方法'''#DataFrame 对象方法#1.insert添加列insert(self, loc, column, value, allow_duplicates=False):        """        Insert column into DataFrame at specified location.向DataFrame中增加一列        If `allow_duplicates` is False, raises Exception if column        is already contained in the DataFrame.        Parameters        ----------        loc : int            Must have 0 <= loc <= len(columns)        column : object(列的名字）        value : scalar, Series, or array-like#2. .drop(''或[, ,]里面是自定义索引值,axis=0)删除列'''dataFrame_2.insert(    loc=1, column='new_column',    value=dataFrame_2['column_1'])  #dataFrame_2['column_1']选取一列数据dataFrame_2_2 = dataFrame_2.drop('column_1', axis=1)  #在行方向上搜寻索引值（也就是在列索引上搜寻）dataFrame_2_3 = dataFrame_2.drop('a')  #默认axis为0 在列方向上搜寻索引值（也就是在行索引上搜寻）print("dataFrame_2:", dataFrame_2)print("dataFrame_2_2:", dataFrame_2_2)print("dataFrame_2_3:", dataFrame_2_3)#reindex 方法New_Series_1_2_1 = Series_1_2.reindex(    index=[2, 3, 4, 5, 6, 7], fill_value=-1)  #fill_value 替代NaN填充print("New_Series_1_2_1:", New_Series_1_2_1)#7）广播运算法则series_GB = pd.Series(np.arange(2), index=['a', 'b'])dict_GB = {    'a': pd.Series(np.arange(2, 4), index=['row_1', 'row_2']),    'b': pd.Series(np.arange(4, 6), index=['row_1', 'row_2'])}dataFrame_GB = pd.DataFrame(dict_GB)#默认与axis=1 与1轴（行方向）的元素进行索引对齐运算print(dataFrame_GB + series_GB)#8)排序'''不改变原数组，返回一个新的数组.sort_index(axis=0,ascending=True)#0轴正向 根据索引排序.sort_values(by,axis=0,ascending=True)#by 根据0轴哪个列排序 by为那一列的索引 NaN 放在最后'''dataFrame_2_4 = dataFrame_2.sort_values(by='column_2', ascending=False)print("sorted:", dataFrame_2_4)#9)科学运算1 不改变原对象 创建一个新的对象'''1.Series 和DataFrame 类型通用以下均默认为每一个0轴单独计算.sum .count 非NaN的值的个数 .mean 均值 .median 中位数 .min .max.describe 统一描述函数 也是0轴分别单独计算2.仅Series才可以使用argmin argmax 返回自动索引idmin  idmax 返回自定义索引 '''dataFrame_2_describe = dataFrame_2.describe()print("dataFrame_2_describe:", dataFrame_2_describe)#10)科学运算2 不改变原对象，创建一个新的对象'''下面运算全部都是基于0轴.cumsum 累加 累加，每个位置都要与前面的元素进行累加得出结果.cumprod 累乘.cummax .cummin滚动计算，每几个元素一计算，不到这个数量就不计算.rolling(w)'''print("滚动计算:", dataFrame_2_describe.rolling(3).sum())