Python入門 —— Pandas Day4【轉載】
Pandas被稱為“Python Data Analysis Li”，它：
是基於Numpy的一種工具庫；
提供了大量能使我們快速便捷處理資料的函式和方法；
最初被作為金融資料分析根據被開發出來；
集成了時間序列功能；
對缺失值的靈活處理能力；
…
Pandas有兩種主要的資料結構：Series和Dataframe，前者是一維的，後者是多維的（表格型）。
一、 Series
Series由一組資料和對應的索引組成，看個例子：
有點像第1天學的字典。
複習一下字典：
Series在操作上也像字典，對比一下a（字典）和b（Series）：
實際上，字典也確實可以直接變身成為Series！比如下面的字典a，儲存了每個地區的平均工資，將其變為Series：
二、DataFrame
1. 資料結構
DataFrame是一個表格型的資料結構。
下面的這組資料，儲存了2015年中國人口前十的城市，以及它們擁有的人口。
那麼怎麼才能生成這樣一張表呢？最常用的方法，是用字典生成：
2. 基本操作
（1）改變索引名
剛剛的城市人口資料，我們有10個城市，索引是0~9，我們不想用這麼單調的數字來做索引，想用每個城市的簡稱來表示，和Series一樣，可以用index=來指定索引
（因為Python自帶的shell中，結果的顯示沒有ipython notebook美觀，所以下面的例子我用ipython notebook的結果來展示）
（2）增加一列
如何給DataFrame增加一列？還是以剛剛城市人口的資料pop_DF為例，我們來增加一列，給每個城市打上“China”的標記：
有時候增加的這一列不一定全，可能有缺失，比如再給每個城市增加一列歸屬省份，但是本人地理差，只知道廣州屬於廣東，蘇州屬於江蘇，那麼我可以這麼加：
總結：
- 可以用Series來按照索引的匹配來增加一列；
- 缺失的地方會用NaN來表示。
（3）排序
作為統計師，排序是常見的，我想到的以後可能用到的至少有這幾種：
人為給定順序；
按照索引來自動排序：升序、降序；
按照某一變數來自動排序；
人為給定順序：
用reindex函式，可以人為的給定順序，想讓誰在前面誰就在前面。
比如，我們按照首字母來人為給定如下順序
這時我有一個問題了：要是reindex中出現了不存在的索引怎麼辦？
比如上例中pop_DF2的“Chu”，結果其所對應的全部變數都是缺失的。
按照索引自動排序：
可以用 .sort_index() 來讓資料按照索引自動排序。
在上例中，我們多了一個索引為“Chu”的空資料，並且在Bao的前面，我們再用sort_index()讓它按照字母順序自動重排一下。
這是預設的升序排列，也可以降序，只要指定ascending=False就可以：
pop_DF2.sort_index(ascending=False)
按照變數自動排序：
我們可以用 .sort_values( by = ‘’ ) 來指定某一個變數來排序：
我們回到pop_DF這個資料：
（4）刪除一列或一行
如何刪掉一行？
用 .drop() 就可以刪掉指定的索引行，
比如我們想刪掉pop_DF中，人口大於2000（萬）的城市，也就是重慶和上海，對於的索引（也就是簡稱）為：Yu和Hu
如何刪掉一列？
用 .drop() ，指定一下要刪的列變數，並且加一句 axis=1 。
Pandas資料的DataFrame資料格式的魅力：
列表生成DataFrame：
字典生成DataFrame的問題
