如果利用python数据分析，基本上都会用到numpy和pandas这两货，前面学了一点numpy，现在慢慢写点pandas的学习笔记
numpy和pandas有啥区别
emmm。。。。以我现在这个初学者的角度来看，numpy处理的对象主要是数字，主要用于矩阵运算，底层是c，运算速度蛮不错；而pandas处理的内容可以是很多种，而且一个DataFrame里边还能有不同类型的元素，但运算方面就没有numpy那么猛了。其实我觉得二者不适合拿来对比，各有各的专长吧😂😂。
安装pandas
安装直接pip install pandas即可，已安装显示如下：
还是可以用打印版本号的方法检查是否安装成功：
>>> import pandas as pd
>>> pd.__version__
## '0.25.1'两个常用的类
pandas里有两个常用的工具数据结构：Series和DataFrame。尽管他们并不能解决所有问题，但他们为大多数应用提供了一个有效、易用的基础。在这里先简单介绍一下，后续再做深入的剖析。
Series
Series是一种一维的数据对象，它包含了一个值序列（这里的值可以是很多种类型），并且包含了数据标签，称之为索引（index）。其实个人感觉可以参照字典来理解，感觉差不多。
创建一个简单的Series类
>>> obj=pd.Series([4,5,6,7])
>>> obj
0 4
1 5
2 6
3 7
dtype: int64可以看到出现了两列内容，左边那一列表示的就是index，右边是values，可以看出如果不指定的话，pd.Series()生成的索引（index）就是从0到N-1（N表示数据的长度）。可以通过调用values属性和index属性分别查看Series对象的内容和索引
>>> obj.values
array([1, 2, 3, 4], dtype=int64)
>>> obj.index
RangeIndex(start=0, stop=4, step=1)这里的RangeIndex(start=0, stop=4, step=1)就有点类似于range(0,4,1)
创建一个索引序列
>>> obj2=pd.Series([1,2,3,4],index=['a','b','c','d'])
>>> obj2
a 1
b 2
c 3
d 4
dtype: int64通过字典来创建一个Series
>>> dic={'Tom':90,'Lily':80,'Mike':66}
>>> obj3=pd.Series(dic)
>>> obj3
Tom 90
Lily 80
Mike 66
dtype: int64选择数据
选择数据时可以使用标签来进行索引，也可以对选择到的value值进行赋新值
>>> obj2['a']
1
## 也可以索引多个值
>>> obj2[['a','b','d']]
a 1
b 2
d 4
dtype: int64
>>> obj2['a']=5
>>> obj2['a']
5切片
Series 操作与 ndarray 类似，还支持索引切片，从这点上看，它又类似于一个多维数组
##可以跟ndarray一样切片
>>> obj2[0:2]
a 1
b 2
dtype: int64
##也可以用index的内容来切片
>>> obj2['a':'c']
a 1
b 2
c 3
dtype: int64可以看出，用index进行切片的话，是默认保留了'c':3这一组值的，而像Numpy数组一样切片时，是没有保留'c':3的
跟numpy函数的交互
Series支持大多数 NumPy 函数，还能将其自身的values转化成ndarray或者array
##对valuas进行平方运算
>>> import numpy as np
>>> np.power(obj2,2)
a 1
b 4
c 9
d 16
dtype: int64
##对valuas进行相加运算
>>> obj2+obj2
a 2
b 4
c 6
d 8
dtype: int64
##将values转化成array
>>> obj_np=obj2.to_numpy()
>>> obj_np
array([1, 2, 3, 4], dtype=int64)总之，Series支持大多数 NumPy 多维数组的方法。Series 和多维数组的主要区别在于， Series 之间的操作会自动基于标签对齐数据，来看下面这个例子：
##将obj2的后三个数与前三个数进行相加
>>> obj2[1:]+obj2[:-1]
a NaN
b 4.0
c 6.0
d NaN
dtype: float64看到这里，就更能理解自动基于标签对齐数据这句话了
DataFrame
DataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。它是pandas里边使用的最多的数据类型。个人感觉理解的时候就把它想成一个Excel表格就行，表格的第一行就是DataFrame的column，表格的第一列就是DataFrame的index
通过字典创建DataFrame
当字典的value是Series类时，可以利用它创建一个DataFrame
>>> x = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])} ##直接创建 >>> pd.DataFrame(x) one two a 1.0 1.0 b 2.0 2.0 c 3.0 3.0 d NaN 4.0 ##还可以指定index >>> pd.DataFrame(x,index={'c','b','a'}) one two a 1.0 1.0 c 3.0 3.0 b 2.0 2.0 ##指定index以及column >>> pd.DataFrame(x,index=['d', 'b', 'a'], columns=['one','two', 'three']) one two three d NaN 4.0 NaN b 2.0 2.0 NaN a 1.0 1.0 NaN
当字典的value是列表时，可以利用它创建一个DataFrame，同时也支持指定index和column，方法和前面一样
>>> y={'one': [1., 2., 3., 4.],'two': [4., 3., 2., 1.]} >>> pd.DataFrame(y) one two 0 1.0 4.0 1 2.0 3.0 2 3.0 2.0 3 4.0 1.0当列表的元素是字典时，也能创建DataFrame
>>> z=[{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}] >>> pd.DataFrame(z) a b c 0 1 2 NaN 1 5 10 20.0
用 Series 创建 DataFrame
>>> w=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
>>> w
a 1
b 2
c 3
d 4
e 5
dtype: int64
>>> pd.DataFrame(w)
0
a 1
b 2
c 3
d 4
e 5可以发现，当创建DataFrame时如果不指定column，默认的column就是0，1，2，。。。。
简单的选取元素
在DataFrame中选取元素，有一种很直观的想法，就是通过index和column进行索引，但实际操作的时候发现，index是不支持这种操作的，DataFrame只支持用column选取某一列，返回一个Series
>>> m=pd.DataFrame({'one': pd.Series([1., 2., 3.,4], index=['a', 'b', 'c','d']),
'two': pd.Series([5., 6., 7., 8.], index=['a', 'b', 'c', 'd'])})
>>> m
one two
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
>>> m['one']
a 1.0
b 2.0
c 3.0
d 4.0
Name: one, dtype: float64那我如果就想用像取数组元素一样的方式去选取DataFrame的元素，有没有办法呢？其实是有的，前面我们可以提取出每一列，我们直接对返回的Series进行再一次索引操作，就可以选取我们想要的元素了。简短点说，就是先选取列，再选取行
>>> m
one two
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
>>> m['one']['a']
1.0通过专用函数进行索引、选择
DataFrame类有两个方法：.loc和.iloc，它们专门用来选取元素，详细用法如下：
| 描述 | 用法 | 返回 |
|---|---|---|
df[col] |
选择列 | Series |
df.loc[label] |
用index选择行 | Series |
df.iloc[loc] |
用整数位置选择行 | Series |
df[5:10] |
行切片 | DataFrame |
举个栗子：
>>> m
one two
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
>>> m.loc['a']
one 1.0
two 5.0
Name: a, dtype: float64
>>> m.iloc[1]
one 2.0
two 6.0
Name: b, dtype: float64
>>> m[1:3]
one two
b 2.0 6.0
c 3.0 7.0查看index与column
>>> m
one two
a 1.0 5.0
b 2.0 6.0
c 3.0 7.0
d 4.0 8.0
>>> m.index
Index(['a', 'b', 'c', 'd'], dtype='object')
>>> m.columns
Index(['one', 'two'], dtype='object')转置
>>> n=m.T
>>> n
a b c d
one 1.0 2.0 3.0 4.0
two 5.0 6.0 7.0 8.0
>>> n.index
Index(['one', 'two'], dtype='object')
>>> n.columns
Index(['a', 'b', 'c', 'd'], dtype='object')使用Numpy函数
DataFrame同样支持大部分Numpy通用函数，具体的函数可以去这儿看传送门
一个注意点
pandas中，对于缺失值，都是用NaN进行表示的，读取Excel的时候如果单元格没有元素，那么就当作缺失值处理，将对应位置赋值为NaN
