目录
pandas标签库是用来给numpy数组加上行列标签，类似于字典一样。
1.创建对象
1.一维对象
1.字典创建法
通过Series函数将py里的字典转化为Pandas对象。
import pandas as pd
dict_v={'a':111,'b':222,'c':333}
sr=pd.Series(dict_v)
sr结果为
同时也返回值的数据类型为整型
2.数组创建法
也是用series函数，但是需要先定义键与值。其中第一个参数为值，第二个参数为键，也可以指明index和data。其中data可以是列表、数组、字典或标量值。
k=['a','b','c']
v=[111,222,333]
sr=pd.Series(data=v,index=k)
sr结果为
与sr=pd.Series(v,k)等效。
且可以查出values属性，只需要sr.values即可。
是一个数组。
2.二维对象
二维对象不仅有行索引还有列索引。
1.字典创建法
将每一列的数据作为一个Series对象，然后将这些Series对象合并成一个DataFrame。列索引在DataFrame函数中标明，用法是({x:sr1,y:sr2……})，x,y就是列索引。
k1=['1号','2号','3号']
v1=[100,80,90]
sr1=pd.Series(v1,k1)
k2=['1号','2号','3号']
v2=['男','女','男']
sr2=pd.Series(v2,k2)
k3=['1号','2号','3号']
v3=['N','Y','N']
sr3=pd.Series(v3,k3)
df=pd.DataFrame({'分数':sr1,'性别':sr2,'是否是班干':sr3})
df结果为
其中号码为行索引，分数、性别以及班干是列索引。
但是要确保这些series对象键相同，否则会造成拼接自动补空。
k1=['1号','2号','3号','4号']#缺五号和六号
v1=[100,80,90,98]
sr1=pd.Series(v1,k1)
k2=['1号','2号','3号','5号']#缺四号和六号
v2=['男','女','男','女']
sr2=pd.Series(v2,k2)
k3=['1号','2号','3号','6号']#缺四号和五号
v3=['N','Y','N','Y']
sr3=pd.Series(v3,k3)
df=pd.DataFrame({'分数':sr1,'性别':sr2,'是否是班干':sr3})
df结果为
其中NaN就是空值。
2.数组创建法
这种方法不需要使用series对象，直接使用DataFrame函数。
data：可以是列表、数组、字典、DataFrame或其他可转换为二维结构的数据。如果是字典，则字典的键将作为列名，字典的值将作为对应列的数据。columns：指定列名，可以是列表或索引对象。如果未指定列名，将使用默认的整数索引。index：指定行索引，可以是列表、数组或索引对象。如果未指定行索引，将使用默认的整数索引。
data1=np.array([[100,'男'],[80,'女'],[90,'男']])
column=['分数','性别']
index1=['1号','2号','3号']
df=pd.DataFrame(data=data1,columns=column,index=index)
df结果为
2.对象的索引
在 pandas 中，有两种类型的索引：显示索引（explicit index）和隐式索引（implicit index）。
loc属性是显示索引，iloc属性是隐式索引。
显示索引（Explicit Index）：
- 显示索引是用户定义的，可以是任何唯一标识符，如字符串、数字、日期等。
- 对于 DataFrame，显示索引通常用于标识行。
- 对于 Series，显示索引用于标识每个数据点。
隐式索引（Implicit Index）:
- 隐式索引是由 pandas 自动创建的整数序列，从 0 开始。
- 隐式索引用于标识 DataFrame 或 Series 中的行或列，特别是在未指定显示索引时。
- 隐式索引可以通过
.index和.columns属性访问。
1.一维对象的索引
1.查询
以下表为例
用显示索引操作
sr1.loc['1号']结果为
sr1.loc['1号']=90
sr1结果为
再用隐式索引进行操作
sr1.iloc[1]结果为
因为索引号是从0开始的
如果不加loc和iloc则默认是显示索引，隐式索引也可以使用，但是在未来的版本中，整数键将始终被视为标签，与 DataFrame 的行为保持一致。因此，为了避免这个警告，建议使用 iloc 方法来访问 Series 中的数据，以确保按照位置访问而不是标签访问。
sr1['1号']结果为
2.切片
切片是视图，会改变原对象的值，赋值绑定也会改变原对象的值。
还是以这个为例
cut1=sr1['1号':'3号']#显示索引
cut1['1号']=666
sr1结果为
将1号原来的100改变为666了。
2.二维对象的索引
1.访问
访问时必须带上loc或者iloc，否则会报错。且由于是二维对象，访问时要注意行标签和列标签。
以下表为例
如果不加loc或者iloc，就会报错
所以我们访问二维对象时必须加上loc或者iloc
此外使用loc属性时还可以使用花式索引
输出1号和3号对应的性别属性，这也是一个二维对象，与numpy要区分开，numpy返回的时向量。
这是通过隐式索引来访问2号元素的性别，切记索引从0开始。
2.修改
修改二维对象时也必须加上loc或者iloc，否则会出现下图中的错误。
还是以上面的二维对象为例。
本意是改变2号分数，却弄巧成拙，新增了一列，所以要改变二维对象的值要加索引器。
正确的方式应该是这样的
对于切片，和一维对象原理一样。
3.对象的变形
1.对象的转置
用T即可，下表为例
v=[[53,64,72,42],['女','女','女','男']]
i=['年龄','性别']
c=['1号','2号','3号','4号']
df=pd.DataFrame(v,index=i,columns=c)
df
然后用T进行转置，就会得到一个使用起来正常的二维对象(行为号，列为属性)。
2.上下翻转和左右翻转
利用-1为间隔，就可以逆着来，达到上下翻转和左右翻转的效果。
还是以上表为例
上下倒置
左右倒置
3.对象的重塑
即二维对象分出一维对象，一维对象合成二维对象。
用下列三个一维对象合成二维对象
i=['1','2','3','4']
v1=[10,20,30,40]
v2=['女','男','男','男']
v3=[1,2,3,4]
sr1=pd.Series(v1,index=i)
sr2=pd.Series(v2,index=i)
sr3=pd.Series(v3,index=i)
sr1,sr2,sr3结果为
可以用字典法创建或者本节介绍的直接并的方法，相信大家看到这里以及可以掌握了字典法创建，所以我直接并了。但是要并的话，要首先有一个二维对象，所以我们先定义一个二维对象。
cf=pd.DataFrame()
cf['年龄']=sr1
cf['性别']=sr2
cf['子女数']=sr3
cf结果为
我们也可以分出一列，即分出一个一维对象。
如是，分出了一个性别对象。
4.一维对象的合并
用concat函数
原本是两个一维对象
v1=[10,20,30,40]
v2=[11,21,31]
k1=['1号','2号','3号','4号']
k2=['5号','6号','7号']
sr1=pd.Series(v1,index=k1)
sr2=pd.Series(v2,index=k2)
sr1,sr2
经过合并后，成为了具有7个对象的一维对象。
如果两个一维对象中有重复的地方怎么办？？？
不会像数组一样舍去重复的部分，证实如下
此外可以查其index属性是否重复，需要用到is_unique属性，如果重复，返回false，如果不重复返回true
5.一维对象和二维对象的合并
可以理解为在二维对象上加一列或一行
以此表为基础
i=['1','2','3','4']
v1=[10,20,30,40]
v2=['女','男','男','男']
v3=[1,2,3,4]
sr1=pd.Series(v1,index=i)
sr2=pd.Series(v2,index=i)
sr3=pd.Series(v3,index=i)
cf=pd.DataFrame()
cf['年龄']=sr1
cf['性别']=sr2
cf此时此表为
加上一列
加上一行（涉及二维对象的修改）
6.二维对象的合并
也涉及到concat函数，但是需要注意axis参数，axis为1代表列合并，axis=0代表行合并，默认为0
下面以三个二维对象为例子
v1=[[10,'女'],[20,'男'],[30,'男'],[40,'女']]
v2=[[1,'是'],[2,'是'],[3,'是'],[4,'否']]
v3=[[50,'男',5,'是'],[60,'女',6,'是']]
i1=['1','2','3','4']
i2=['1','2','3','4']
i3=['5','6']
c1=['年龄','性别']
c2=['孩子数','smoke']
c3=['年龄','性别','孩子数','smoke']
df1=pd.DataFrame(v1,index=i1,columns=c1)
df2=pd.DataFrame(v2,index=i2,columns=c2)
df3=pd.DataFrame(v3,index=i3,columns=c3)
df1,df2,df3
接下来会将这三个二维对象开始拼凑
将df1，df2进行列合并
将df再与df3进行行合并
4.对象的计算
遵循运算法则，是对内部元素的修改。
1.带有系数的计算
以此一维对象为例
v1=[11,21,31]
i1=['1','2','3']
sr=pd.Series(v1,i1)
sr
分别对其依次进行加减乘除
如果是二维对象，同理，但是要挑出你需要改变的该列(int或者float型)
2.对象之间的运算
对象之间维度可以不同，且只能数字部分进行运算
以下面两个一维对象为例
v1=[11,21,31]
v2=[10,20,30,40]
i1=['1','2','3']
i2=['1','2','3','4']
sr1=pd.Series(v1,i1)
sr2=pd.Series(v2,i2)
sr1,sr2
可以发现他们的维度不同
对其进行加法运算
由于缺少一个加数，则为NaN
对于二维对象的相加，就要挑出可以运算的列
以下面两个二维对象为例
v1=[[10,'女'],[20,'男'],[30,'男'],[40,'女']]
v3=[[50,'男',5,'是'],[60,'女',6,'是']]
i1=['1','2','3','4']
i3=['5','6']
c1=['年龄','性别']
c3=['年龄','性别','孩子数','smoke']
df1=pd.DataFrame(v1,index=i1,columns=c1)
df3=pd.DataFrame(v3,index=i3,columns=c3)
df1,df3
将其中的年龄数进行相加
全是NaN，因为df3无1，2，3，4号
此外，bool型运算也适用于pandas对象，具体可看我上一篇文章
5.针对NaN的处理
1.发现缺失值
其中针对NaN的函数为isnull，检测某元素是否为空，若空返回True，非空返回False
notnull函数与其功能相反
2.去除缺失值
使用dropna函数，一维函数只会去除行，对于二维数组较难处理，因为可能去除含有缺失值的行，也有可能去除含有缺失值的列。axis=columns或者1去除列，axis=index或者0去除行。默认去除index。参数how='all'表示只有该行全是NaN，才去除该个特征。
在定义时是None而不是NaN
以下面的一维对象为例
v=[10,None,None,11]
i=['1','2','3','4']
sr=pd.Series(v,index=i)
sr
去除其中的NaN，将其中的2与3行去除
以下面的二维对象为例
v=[[10,20],[None,4],[6,6],[1,11]]
i=['1','2','3','4']
c=['年纪','分数']
df=pd.DataFrame(v,index=i,columns=c)
df
依次对行和列处理
以下面的二维对象为例检测how参数的作用。
v=[[None,None],[None,4],[6,6],[1,11]]
i=['1','2','3','4']
c=['年纪','分数']
df=pd.DataFrame(v,index=i,columns=c)
df
结果为
其中all也可以改成数字，表示超过这个数字，该行才该被删除。
3.填补缺失值
需要用到fillna函数，参数为你需要填充的数，将所有缺失值填满，method=ffill，表示用前一个的数进行填充，bfill表示用后面的参数填充，但目前版本已经过时了，可以直接用ffill函数和bfill函数。
以下面这个二维对象为例
v=[[None,None],[None,4],[6,6],[1,11]]
i=['1','2','3','4']
c=['年纪','分数']
df=pd.DataFrame(v,index=i,columns=c)
df
用0填充
用后者数填充
用前者数填充
没想到吧，NaN也可以填充其他数。
6.读取excel表(CSV格式)
利用read_csv函数，excel表是可以生成csv形式的
以下表为例，一般都存在jupyter的dataset文件夹中
设置index_col=0参数是为了确保csv文件第一行是columns
此外，可以借助上一篇所学的方法对数据进行分析，修改等操作，最后
下面是一些常用的跟在read_csv.xxxx使用
head()：
- 作用：返回 DataFrame 的前 N 行，主要用于快速查看数据的前几行。
- 参数：
n，整数，表示要显示的行数，默认为 5。- 用法示例：
df.head()或df.head(10)。tail()：
- 作用：返回 DataFrame 的最后 N 行，与
head()相对应，用于查看数据的末尾。- 参数：
n，整数，表示要显示的行数，默认为 5。- 用法示例：
df.tail()或df.tail(10)。info()：
- 作用：打印 DataFrame 的简要摘要，包括索引的类型和列、非空值的数量和每列的数据类型。
- 参数：无主要参数。
- 用法示例：
df.info()。describe()：
- 作用：对于数值类型的列，返回描述性统计（如均值、标准差、最小值、最大值等）。对于对象和分类（categorical）类型的数据，返回计数、唯一值数量、众数等。
- 参数：
include和exclude，用于控制哪些数据类型应该被包含或排除在统计结果之外。- 用法示例：
df.describe()或df.describe(include=['O'])。sample()：
- 作用：随机抽样 DataFrame 中的行。
- 参数：
n表示抽取的行数，frac表示抽取的比例。- 用法示例：
df.sample(n=10)或df.sample(frac=0.1)。dtypes：
- 作用：返回 DataFrame 每一列的数据类型。
- 用法示例：
df.dtypes。shape：
- 作用：返回 DataFrame 的维度，形式为 (行数, 列数)。
- 用法示例：
df.shape。columns：
- 作用：获取或设置 DataFrame 的列名。
- 用法示例：
df.columns或df.columns = ['new', 'column', 'names']。
原教学视频链接在这Python深度学习：Pandas标签库_哔哩哔哩_bilibili