進階第十六課 Python模塊之Pandas
轉
同十五課，都是從大神那裏轉載的。今後會逐步增加示例代碼。
Pandas
pandas 是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。
>>> from pandas import Series, DataFrame
>>> import pandas as pd
A.pandas
| 函數 | 說明 |
|
pd.isnull(series) pd.notnull(series) |
判斷是否為空(NaN) 判斷是否不為空(not NaN) |
2.2.A.1 pandas常用函數
B.Series
Series可以運用ndarray或字典的幾乎所有索引操作和函數，融合了字典和ndarray的優點。| 屬性 | 說明 |
| values | 獲取數組 |
| index | 獲取索引 |
| name | values的name |
| index.name | 索引的name |
2.2.B.1 Series常用屬性
| 函數 | 說明 |
| Series([x,y,...])Series({‘a‘:x,‘b‘:y,...}, index=param1) | 生成一個Series |
| Series.copy() | 復制一個Series |
|
Series.reindex([x,y,...], fill_value=NaN) Series.reindex([x,y,...], method=NaN) Series.reindex(columns=[x,y,...]) |
重返回一個適應新索引的新對象，將缺失值填充為fill_value 返回適應新索引的新對象，填充方式為method 對列進行重新索引 |
| Series.drop(index) | 丟棄指定項 |
| Series.map(f) | 應用元素級函數 |
| 排序函數 | 說明 |
| Series.sort_index(ascending=True) | 根據索引返回已排序的新對象 |
| Series.order(ascending=True) | 根據值返回已排序的對象，NaN值在末尾 |
| Series.rank(method=‘average‘, ascending=True, axis=0) | 為各組分配一個平均排名 |
|
df.argmax() df.argmin() |
返回含有最大值的索引位置 返回含有最小值的索引位置 |
2.2.B.2 Series常用函數
reindex的method選項：ffill, bfill 向前填充/向後填充
pad, backfill 向前搬運，向後搬運
rank的method選項
‘average‘ 在相等分組中，為各個值分配平均排名
‘max‘,‘min‘ 使用整個分組中的最小排名
‘first‘ 按值在原始數據中出現的順序排名
C.DataFrame
DataFrame是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾值等）。DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）。
DataFrame可以通過類似字典的方式或者.columnname的方式將列獲取為一個Series。行也可以通過位置或名稱的方式進行獲取。
為不存在的列賦值會創建新列。
>>> del frame[‘xxx‘] # 刪除列
| 屬性 | 說明 |
| values | DataFrame的值 |
| index | 行索引 |
| index.name | 行索引的名字 |
| columns | 列索引 |
| columns.name | 列索引的名字 |
| ix | 返回行的DataFrame |
| ix[[x,y,...], [x,y,...]] | 對行重新索引，然後對列重新索引 |
| T | frame行列轉置 |
2.2.C.1 DataFrame常用屬性
| 函數 | 說明 |
|
DataFrame(dict, columns=dict.index, index=[dict.columnnum]) DataFrame(二維ndarray) DataFrame(由數組、列表或元組組成的字典) DataFrame(NumPy的結構化/記錄數組) DataFrame(由Series組成的字典) DataFrame(由字典組成的字典) DataFrame(字典或Series的列表) DataFrame(由列表或元組組成的列表) DataFrame(DataFrame) DataFrame(NumPy的MaskedArray) |
構建DataFrame 數據矩陣，還可以傳入行標和列標 每個序列會變成DataFrame的一列。所有序列的長度必須相同 類似於“由數組組成的字典” 每個Series會成為一列。如果沒有顯式制定索引，則各Series的索引會被合並成結果的行索引 各內層字典會成為一列。鍵會被合並成結果的行索引。 各項將會成為DataFrame的一行。索引的並集會成為DataFrame的列標。 類似於二維ndarray 沿用DataFrame 類似於二維ndarray，但掩碼結果會變成NA/缺失值
|
|
df.reindex([x,y,...], fill_value=NaN, limit) df.reindex([x,y,...], method=NaN) df.reindex([x,y,...], columns=[x,y,...],copy=True) |
返回一個適應新索引的新對象，將缺失值填充為fill_value，最大填充量為limit 返回適應新索引的新對象，填充方式為method 同時對行和列進行重新索引，默認復制新對象。 |
| df.drop(index, axis=0) | 丟棄指定軸上的指定項。 |
| 排序函數 | 說明 |
|
df.sort_index(axis=0, ascending=True) df.sort_index(by=[a,b,...]) |
根據索引排序 |
| 匯總統計函數 | 說明 |
| df.count() | 非NaN的數量 |
| df.describe() | 一次性產生多個匯總統計 |
|
df.min() df.min() |
最小值 最大值 |
|
df.idxmax(axis=0, skipna=True) df.idxmin(axis=0, skipna=True) |
返回含有最大值的index的Series 返回含有最小值的index的Series |
| df.quantile(axis=0) | 計算樣本的分位數 |
|
df.sum(axis=0, skipna=True, level=NaN) df.mean(axis=0, skipna=True, level=NaN) df.median(axis=0, skipna=True, level=NaN) df.mad(axis=0, skipna=True, level=NaN) df.var(axis=0, skipna=True, level=NaN) df.std(axis=0, skipna=True, level=NaN) df.skew(axis=0, skipna=True, level=NaN) df.kurt(axis=0, skipna=True, level=NaN) df.cumsum(axis=0, skipna=True, level=NaN) df.cummin(axis=0, skipna=True, level=NaN) df.cummax(axis=0, skipna=True, level=NaN) df.cumprod(axis=0, skipna=True, level=NaN) df.diff(axis=0) df.pct_change(axis=0) |
返回一個含有求和小計的Series 返回一個含有平均值的Series 返回一個含有算術中位數的Series 返回一個根據平均值計算平均絕對離差的Series 返回一個方差的Series 返回一個標準差的Series 返回樣本值的偏度（三階距） 返回樣本值的峰度（四階距） 返回樣本的累計和 返回樣本的累計最大值 返回樣本的累計最小值 返回樣本的累計積 返回樣本的一階差分 返回樣本的百分比數變化 |
| 計算函數 | 說明 |
|
df.add(df2, fill_value=NaN, axist=1) df.sub(df2, fill_value=NaN, axist=1) df.div(df2, fill_value=NaN, axist=1) df.mul(df2, fill_value=NaN, axist=1) |
元素級相加，對齊時找不到元素默認用fill_value 元素級相減，對齊時找不到元素默認用fill_value 元素級相除，對齊時找不到元素默認用fill_value 元素級相乘，對齊時找不到元素默認用fill_value |
| df.apply(f, axis=0) | 將f函數應用到由各行各列所形成的一維數組上 |
| df.applymap(f) | 將f函數應用到各個元素上 |
| df.cumsum(axis=0, skipna=True) | 累加，返回累加後的dataframe |
2.2.C.2 Dataframe常用函數
| 索引方式 | 說明 |
| df[val] | 選取DataFrame的單個列或一組列 |
| df.ix[val] | 選取Dataframe的單個行或一組行 |
| df.ix[:,val] | 選取單個列或列子集 |
| df.ix[val1,val2] | 將一個或多個軸匹配到新索引 |
| reindex方法 | 將一個或多個軸匹配到新索引 |
| xs方法 | 根據標簽選取單行或者單列，返回一個Series |
| icol、irow方法 | 根據整數位置選取單列或單行，並返回一個Series |
| get_value、set_value | 根據行標簽和列標簽選取單個值 |
2.2.C.3 Dataframe常用索引方式
運算：
默認情況下，Dataframe和Series之間的算術運算會將Series的索引匹配到的Dataframe的列，沿著列一直向下傳播。若索引找不到，則會重新索引產生並集。
D.Index
pandas的索引對象負責管理軸標簽和其他元數據（比如軸名稱等）。構建Series或DataFrame時，所用到的任何數組或其他序列的標簽都會被轉換成一個Index。Index對象不可修改，從而在多個數據結構之間安全共享。
| 主要的Index對象 | 說明 |
| Index | 最廣泛的Index對象，將軸標簽表示為一個由Python對象組成的NumPy數組 |
| Int64Index | 針對整數的特殊Index |
| MultiIndex | “層次化”索引對象，表示單個軸上的多層索引。可以看做由元組組成的數組 |
| DatetimeIndex | 存儲納秒級時間戳（用NumPy的Datetime64類型表示） |
| PeriodIndex | 針對Period數據（時間間隔）的特殊Index |
2.2.D.1 主要的Index屬性
| 函數 | 說明 |
| Index([x,y,...]) | 創建索引 |
| append(Index) | 連接另一個Index對象，產生一個新的Index |
| diff(Index) | 計算差集，產生一個新的Index |
| intersection(Index) | 計算交集 |
| union(Index) | 計算並集 |
| isin(Index) | 檢查是否存在與參數索引中，返回bool型數組 |
| delete(i) | 刪除索引i處元素，得到新的Index |
| drop(str) | 刪除傳入的值，得到新Index |
| insert(i,str) | 將元素插入到索引i處，得到新Index |
| is_monotonic() | 當各元素大於前一個元素時，返回true |
| is_unique() | 當Index沒有重復值時，返回true |
| unique() | 計算Index中唯一值的數組 |
2.2.D.2 常用Index函數
進階第十六課 Python模塊之Pandas