1 重新生成索引 如果某個索引值不存在就引入缺失值

1 from pandas import Series,DataFrame
2 import pandas as pd
3 import numpy as np
4 obj=Series([4.5,7.2,-5.3,3.6],index=[‘d‘,‘b‘,‘a‘,‘c‘])
5 obj
6 
7 #重新生成索引
8 obj2=obj.reindex([‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
9 obj2

　　a使用method的ffill可以實現前向值填充，效果如下

1 #前向填充
2 obj3=Series([‘blue‘
 
,‘purple‘,‘yellow‘],index=[0,2,4])
3 obj3.reindex(range(6),method=‘ffill‘)

　　b:對於dataframe使用reindex可以同時修改行列索引，如果僅傳入一個序列那麽如下

1 frame=DataFrame(np.arange(9).reshape((3,3)),index=[‘a‘,‘c‘,‘d‘],
2                 columns=[‘ohio‘,‘Texas‘,‘california‘])
3 frame

1 frame2=frame.reindex([‘a‘,‘b‘,‘c‘,‘d
 
‘])
2 frame2

　　c：使用colunms重新索引列

1 states=[‘Texax‘,‘Utah‘,‘california‘]
2 frame.reindex(columns=states)

　　d:同時插入行列，但是插值只能按行應用

1 #同時對行 列進行重新索引 而插值只能引用到行
2 frame.reindex(index=[‘a‘,‘b‘,‘c‘,‘d‘],method=‘ffill‘,
3               columns=states)

reindex的參數說明如下：

2 丟棄制定軸上的項

　　a:drop方法返回一個指定軸上刪除了指定值的新對象，刪除列c

1 #丟棄指定軸的項
2 obj=Series(np.arange(5.),index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])
3 new_obj=obj.drop(‘c‘)
4 new_obj

　　b：刪除兩個 b c

obj.drop([‘d‘,‘c‘])

　　c：對於dataframe可以刪除任意軸上的索引

1 #對於DataFrame可以刪除任意軸的索引
2 data = DataFrame(np.arange(16).reshape((4,4)),
3                  index=[‘ohio‘,‘colorado‘,‘utah‘,‘new york‘],
4                    columns=[‘one‘,‘two‘,‘three‘,‘four‘])
5 #刪除兩個
6 data.drop([‘colorado‘,‘ohio‘])

3 索引，選取和過濾

　　a:Series中的索引類似與Numpy，但是不只是整數，索引字符

1 obj=Series(np.arange(4.),index=[‘a‘,‘b‘,‘c‘,‘d‘])
2 obj[‘b‘]#1.0

　　b：按照整數，範圍

1 obj[1]#1.0
2 obj[2:4]# 2 3

　　c：利用標簽的切片運算和普通depython切片不同，其包含末端

1 obj[‘b‘:‘c‘]#b c 1 2

　　d：那麽對dataframe進行索引就是獲取一個或者多個列勒

1 data=DataFrame(np.arange(16).reshape(4,4),
2            index=[‘ohio‘,‘colorado‘,‘mike‘,‘jason‘],
3                  columns=[‘one‘,‘two‘,‘three‘,‘four‘])
4 data

　　e：選擇一列

data[‘two‘]#輸出第二列+行號 也就是索引

　　f：選擇多列

1 data[[‘three‘,‘one‘]]

　　g：選取行標簽前兩行

data[:2]#選取的是前面兩行

　　h：選取第三列大於5的值

data[data[‘three‘]>5]

　　i：為了能在dataframe的行上進行標簽索引引入字段ix

data.ix[‘colorado‘,[‘two‘,‘three‘]]

　　j：選取第4 1 2列 而且行為colorado jason

data.ix[[‘colorado‘,‘jason‘],[3,0,1]]

　　k：輸出行mike

data.ix[2]

DataFrame索引總結

4 算數運算和數據對齊

　　a:Series的加法

1 s1=Series([7.3,-2.5,3.4,1.5],index=[‘a‘,‘c‘,‘d‘,‘e‘])
2 s2=Series([-2.1,3.6,-1.5,4,3.1],index=[‘a‘,‘c‘,‘e‘,‘f‘,‘g‘])
3 s1+s2

　　b:對於dataframe，對齊會同時發生在行 列中

df1=DataFrame(np.arange(9.).reshape((3,3)),columns=list(‘bcd‘),
              index=[‘utah‘,‘ohio‘,‘colorado‘])
df2=DataFrame(np.arange(12.).reshape((4,3)),columns=list(‘bde‘),
              index=[‘utah‘,‘ohio‘,‘colorado‘,‘oragen‘])

df1+df2

------>索引和列都為其並集

　　c：在算術方法中填充值。比如說兩個dataframe相加，其中一個不在的時候填充為0

1 #算術中進行填充
2 df1=DataFrame(np.arange(12.).reshape((3,4)),columns=list(‘abcd‘))
3 df2=DataFrame(np.arange(20.).reshape((4,5)),columns=list(‘abcde‘))
4 df1+df2

#使用df1的add方法 傳入df2以及一個fill_value參數
df1.add(df2,fill_value=0)

5 DataFrame和Series之間的運算----->廣播，也就是如果第一個數值-1，那麽這個列都會減1

　　a：看一看一個二維數組和一行之間的差

arr=np.arange(12.).reshape((3,4))

arr[0]

arr-arr[0]

　　b:frame和series的運算

frame=DataFrame(np.arange(12.).reshape((4,3)),columns=list(‘bde‘),
                index=[‘utah‘,‘ohio‘,‘texas‘,‘orogen‘])
series=frame.ix[0]

frame-series

好了，加油騷年！！！！

利用python數據分析panda學習筆記之基本功能