1.Pandas庫的介紹

Pandas是Python第三方庫，提供高效能易用資料型別和分析工具

             import    pandas as   pd

Pandas基於Numpy實現，常與Numpy和Matplotlib一同使用

import pandas as pd

d =pd.Series(range(20))
print(d)
# 0      0
# 1      1
# 2      2
# 3      3
# 4      4
# 5      5
# 6      6
# 7      7
# 8      8
# 9      9
# 10    10
# 11    11
 
# 12    12
# 13    13
# 14    14
# 15    15
# 16    16
# 17    17
# 18    18
# 19    19
# dtype: int64
d=d.cumsum()
print(d)
# 0       0
# 1       1
# 2       3
# 3       6
# 4      10
# 5      15
# 6      21
# 7      28
# 8      36
# 9      45
# 10     55
# 11     66
# 12     78
# 13     91
# 14    105
 
# 15    120
# 16    136
# 17    153
# 18    171
# 19    190
# dtype: int64

兩個資料型別：Series,DataFrame

基於上述資料型別的各類操作 基本操作、運算操作、特徵類操作、關聯類操作

2.Pandas庫的Series型別

可自定義索引

b=pd.Series([9,8,7,6],index=['a','b','c','d'])
print(b)
# a    9
# b    8
# c    7
# d    6
# dtype: int64

Series型別：

Series型別可以由如下型別建立：

                                           •Python列表

                                           •標量值 

                                           •Python字典 

                                           •ndarray 

                                           •其他函式

Series型別可以由如下型別建立： 

                                       •Python列表，index與列表元素個數一致

                                       •標量值，index表達Series型別的尺寸 

                                       •Python字典，鍵值對中的“鍵”是索引，index從字典中進行選擇操作 

                                       •ndarray，索引和資料都可以通過ndarray型別建立 

                                       •其他函式，range()函式等

Series型別的基本操作

                     Series型別包括index和values兩部分

                     Series型別的操作類似ndarray型別

                     Series型別的操作類似Python字典型別

import pandas as pd
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
print(b)
# a    9
# b    8
# c    7
# d    6
# dtype: int64
print(b.index)
#Index(['a', 'b', 'c', 'd'], dtype='object')
print(b.values)
#[9 8 7 6]

Series型別的操作類似ndarray型別：

                                •索引方法相同，採用[]

                                •NumPy中運算和操作可用於Series型別

                                •可以通過自定義索引的列表進行切片

                                •可以通過自動索引進行切片，如果存在自定義索引，則一同被切片

import pandas as pd
import numpy as np
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
print(b)
# a    9
# b    8
# c    7
# d    6
# dtype: int64
print(b[3])
#6
print(b[:3])
# a    9
# b    8
# c    7
print(b[b>b.median()])
# a    9
# b    8
# dtype: int64
print(np.exp(b))
# a    8103.083928
# b    2980.957987
# c    1096.633158
# d     403.428793
# dtype: float64

Series型別的操作類似Python字典型別：

                                             •通過自定義索引訪問

                                             •保留字in操作

                                             •使用.get()方法

import pandas as pd
import numpy as np
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
print(b['b'])
#8
print('c' in b)
#True
print(0 in b)
#False
print(b.get('f',100))
#100

import pandas as pd
import numpy as np
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
a=pd.Series([1,2,3],['c','d','e'])
print(a+b)
# a    NaN
# b    NaN
# c    8.0
# d    8.0
# e    NaN
# dtype: float64

Series型別在運算中會自動對齊不同索引的資料

import pandas as pd
import numpy as np
b=pd.Series([9,8,7,6],index=['a','b','c','d'])
print(b.name)
#None
b.name='Series物件'
b.index.name='索引列'
print(b)
# 索引列
# a    9
# b    8
# c    7
# d    6
# Name: Series物件, dtype: int64

Series物件可以隨時修改並即刻生效

3.Pandas庫的DataFrame型別

DataFrame型別可以由如下型別建立：

                                  •二維ndarray物件 

                                  •由一維ndarray、列表、字典、元組或Series構成的字典

                                  •Series型別 

                                  •其他的DataFrame型別

①從二維ndarray物件建立

②從一維ndarray物件字典建立

③從列表型別的字典建立

4.Pandas庫的資料型別操作

.reindex()能夠改變或重排Series和DataFrame索引

Series和DataFrame的索引是Index型別 Index物件是不可修改型別

.drop()能夠刪除Series和DataFrame指定行或列索引

5.Pandas庫的資料型別運算