【Series】

性質：一維陣列物件，類似NumPy 的一維array。

（除了包含一組資料還包含一組索引，所以可以把它理解為一組帶索引的陣列。）

from pandas import Series
obj = Series([1,2,3,4], index = ['a', 'b', 'c', 'd'])

> obj
a    1
b    2
c    3
d    4
dtype: int64

> obj.index 
Index(['a', 'b', 'c', 'd'], dtype='object')

> obj.values
array([1, 2, 3, 4], dtype=int64)

> obj*2
a    2
b    4
c    6
d    8
dtype: int64

> obj+1
a    2
b    3
c    4
d    5
dtype: int64

> obj[obj>10]
Series([], dtype: int64)
 

【DataFrame】

性質：一個表格型的資料結構。它提供有序的列和不同型別的列值。

建立：

獲取資料：frame[‘col1’]、frame.col1

刪除資料：del frame[‘col1’]

from pandas import DataFrame

## 建立DataFrame ##

In [0]:
DataFrame({'col0':[1,2,3], 'col1':[4,5,6]})
Out[0]:
col0	col1
0	1	4
1	2	5
2	3	6

In [1]:
data = {'col0':[1,2,3], 'col1':[4,5,6]}
DataFrame(data,columns = ['col1','col0'])
Out[1]:
col1	col0
0	4	1
1	5	2
2	6	3

In [2]:
DataFrame(data,columns = ['col1','col0','col2'])
Out[2]:
col1	col0	col2
0	4	1	NaN
1	5	2	NaN
2	6	3	NaN

## 獲取資料 ##
frame = DataFrame({'col0':[1,2,3], 'col1':[4,5,6]})

​In [3]:
frame['col1']
Out[3]:
0    4
1    5
2    6
Name: col1, dtype: int64

In [4]:
frame.col1
Out[4]:
0    4
1    5
2    6
Name: col1, dtype: int64


## 刪除資料 ##
del frame['col1']

In [5]:
frame
Out[5]:
col0
0	1
1	2
2	3
 

【產生日期】

date_index = pd.date_range('11/19/2017', periods=10, freq='D')

import pandas as pd
date_index = pd.date_range('11/19/2017', periods=10, freq='D')
> date_index
DatetimeIndex(['2017-11-19', '2017-11-20', '2017-11-21', '2017-11-22',
               '2017-11-23', '2017-11-24', '2017-11-25', '2017-11-26',
               '2017-11-27', '2017-11-28'],
              dtype='datetime64[ns]', freq='D')

——————————————————————常用方法———————————————————————

(1) reindex()方法 —— 重新索引

根據index引數重新進行排序。如果傳入的索引值在資料裡不存在，則不會報錯，而是新增缺失值的新行。不想用缺失值，可以用 fill_value 引數指定填充值。

(2) drop() 方法 —— 丟棄資料

(3) 索引、選取和過濾

[注意] 利用索引的切片運算與普通的 Python 切片運算不同，其末端是包含的，既包含最後一個的項。

obj[‘b’:’d’]包含’d’，但是obj[1:3]不包含3

loc和iloc

ix操作：混合使用下標和名稱進行選取

(4) 算術運算和資料對齊

- Series：將2個物件相加時，具有重疊索引的索引值會相加處理；不重疊的索引則取並集，值為 NA；

- 對齊操作會同時發生在行和列上，把2個物件相加會得到一個新的物件，其索引為原來2個物件的索引的並集；和Series 物件一樣，不重疊的索引會取並集，值為 NA；如果不想這樣，試試使用 add() 方法進行資料填充：

(5) 函式應用和對映

(6) 排序

DataFrame:

df.sort_index(ascending = False)

frame.sort_index(axis = 1)

Series:

obj.sort_values()

obj.sort_index()

排名

obj.rank(ascending = False)   #索引位上的數的排名

帶有重複值的軸索引

obj.index.is_unique    #False

索引時，同時輸出多個值

(7) 彙總統計和計算

(8) 處理缺失資料

使用isnull()和notnull()函式來判斷缺失情況。

對於缺失資料一般處理方法為濾掉或者填充。

濾除缺失資料

填充缺失資料

(9) 層次化索引：能在一個數組上擁有多個索引，有點像Excel裡的合併單元格

根據索引選擇資料子集

重排分級順序

根據級別彙總統計

多層次索引的資料，彙總的時候可以單獨按照級別進行

df.sum(level=’idx1_name’)

(10) 資料合併

a）pandas.merge()：資料庫風格的合併

b）pandas.concat()方法：軸向連線，即沿著一條軸將多個物件堆疊到一起

pd.concat([s1,s2,s3]) #預設concat在豎軸(axis=0)上連線，即產生新的Series。

c）例項方法combine_first()方法：合併重疊資料

s1.combine_first(s2) #等價於np.where(pd.isnull(s1),s2,s1)

這是一個向量化的if-else操作，如果s1裡某個位置上的資料為空，則用s2同位置上的元素來補，你可以理解為“打補丁”操作。

(11) 資料重塑/軸向旋轉

重塑指的是將資料重新排列，也叫軸向旋轉。

stack: 將資料的列“旋轉”為行。unstack:將資料的行“旋轉”為列。

處理堆疊格式

堆疊格式也叫長格式，一般關係型資料庫儲存時間序列的資料會採用此種格式

df.pivot(‘col1’,’col2’,’col3’) 

(12) 資料轉換：對資料的過濾、清理以及其他的轉換操作。

移除重複資料

利用對映進行資料轉換

替換值

data.replace(value,np.nan)

data.replace([value1, value2],[ np.nan,0])

重新命名軸索引

data.rename(index=str.title,columns=str.upper)

將資料劃分成不同的組

scores=[40,54,60,85,87,81]

score_levels=[0,60,80,95]

cats = pd.cut(scores,score_levels) #輸出內容為區間的列表

pd.value_counts(cats) #統計區間個數

檢測和過濾異常值

Ref