Python11--數(shù)據(jù)分析Pandas庫基本概念

一，含義

Pandas的名稱來自于面板數(shù)據(jù)（panel data）和Python數(shù)據(jù)分析（data analysis）钠导。
Pandas是一個(gè)強(qiáng)大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集，基于NumPy構(gòu)建痪蝇，提供了 高級數(shù)據(jù)結(jié)構(gòu) 和 數(shù)據(jù)操作工具弱卡，它是使Python成為強(qiáng)大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。
特點(diǎn)：
    （1）一個(gè)強(qiáng)大的分析和操作大型結(jié)構(gòu)化數(shù)據(jù)集所需的工具集
    （2）基礎(chǔ)是NumPy诺苹，提供了高性能矩陣的運(yùn)算
    （3）提供了大量能夠快速便捷地處理數(shù)據(jù)的函數(shù)和方法
    （4）應(yīng)用于數(shù)據(jù)挖掘咕晋，數(shù)據(jù)分析
    （5）提供數(shù)據(jù)清洗功能

二，數(shù)據(jù)結(jié)構(gòu)

1收奔、Series

Series是一種類似于一維數(shù)組的 對象掌呜，由一組數(shù)據(jù)（各種NumPy數(shù)據(jù)類型）以及一組與之對應(yīng)的索引（數(shù)據(jù)標(biāo)簽）組成。
Series類似一維數(shù)組的對象
Series由數(shù)據(jù)和索引組成：索引(index)在左坪哄，數(shù)據(jù)(values)在右质蕉；索引是自動(dòng)創(chuàng)建的

（1）通過list構(gòu)建Series

格式：ser_obj = pd.Series(range(10))

示例數(shù)據(jù)：

# 導(dǎo)入pandas，別名 pd
import pandas as pd

# 通過list構(gòu)建Series
ser_obj = pd.Series(range(10, 20))
print(ser_obj.head(3))

print(ser_obj)

print(type(ser_obj))

顯示結(jié)果：

通過list構(gòu)建Series

（2）獲取數(shù)據(jù)和索引

格式：ser_obj.index 和 ser_obj.values

示例數(shù)據(jù)：

# 導(dǎo)入pandas翩肌，別名 pd
import pandas as pd

ser_obj = pd.Series(range(10, 20))

# 獲取數(shù)據(jù)
print(ser_obj.values)

# 獲取索引
print(ser_obj.index)

顯示結(jié)果：

獲取數(shù)據(jù)和索引

（3）通過索引獲取數(shù)據(jù)

格式：ser_obj[idx]

示例數(shù)據(jù)：

# 導(dǎo)入pandas模暗，別名 pd
import pandas as pd

ser_obj = pd.Series(range(10, 20))

#通過索引獲取數(shù)據(jù)
print(ser_obj[0])
print(ser_obj[8])

顯示結(jié)果：

通過索引獲取數(shù)據(jù)

（4）索引與數(shù)據(jù)的對應(yīng)關(guān)系不被運(yùn)算結(jié)果影響

示例數(shù)據(jù)：

# 導(dǎo)入pandas，別名 pd
import pandas as pd

ser_obj = pd.Series(range(10, 20))

# 索引與數(shù)據(jù)的對應(yīng)關(guān)系不被運(yùn)算結(jié)果影響
print(ser_obj * 2)
print(ser_obj > 15)

顯示結(jié)果：

索引與數(shù)據(jù)的對應(yīng)關(guān)系不被運(yùn)算結(jié)果影響

（5）通過dict構(gòu)建Series

示例代碼：

# 導(dǎo)入pandas念祭，別名 pd
import pandas as pd

ser_obj = pd.Series(range(10, 20))

# 通過dict構(gòu)建Series
year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
ser_obj2 = pd.Series(year_data)
print(ser_obj2.head())
print(ser_obj2.index)

顯示結(jié)果：

通過dict構(gòu)建Series

（6）通過dict構(gòu)建Series的name屬性

對象名：ser_obj.name
對象索引名：ser_obj.index.name

示例代碼：

# 導(dǎo)入pandas兑宇，別名 pd
import pandas as pd

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
ser_obj2 = pd.Series(year_data)

# name屬性
ser_obj2.name = 'temp'
ser_obj2.index.name = 'year'
print(ser_obj2.head())

顯示結(jié)果：

Series的name屬性

2、DataFrame

DataFrame是一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu)粱坤，它含有一組有序的列隶糕，每列可以是不同類型的值祝钢。DataFrame既有行索引也有列索引，它可以被看做是由Series組成的字典（共用同一個(gè)索引）若厚，數(shù)據(jù)是以二維結(jié)構(gòu)存放的拦英。
類似多維數(shù)組/表格數(shù)據(jù) (如，excel, R中的data.frame)测秸；每列數(shù)據(jù)可以是不同的類型疤估；索引包括列索引和行索引。

（1）通過ndarray構(gòu)建DataFrame

示例代碼：

# 導(dǎo)入 numpy 霎冯，別名 np
import numpy as np

# 導(dǎo)入pandas铃拇，別名 pd
import pandas as pd

# 通過ndarray構(gòu)建DataFrame
array = np.random.randn(5,4)
print(array)

df_obj = pd.DataFrame(array)
print(df_obj.head())

顯示結(jié)果：

通過ndarray構(gòu)建DataFrame

（2）通過dict構(gòu)建DataFrame

示例代碼：

# 導(dǎo)入 numpy ，別名 np
import numpy as np

# 導(dǎo)入pandas沈撞，別名 pd
import pandas as pd

# 通過dict構(gòu)建DataFrame
dict_data = {'A': 1, 
             'B': pd.Timestamp('20170426'),
             'C': pd.Series(1, index=list(range(4)),dtype='float32'),
             'D': np.array([3] * 4,dtype='int32'),
             'E': ["Python","Java","C++","C"],
             'F': 'ITCast' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)
print(df_obj2)

顯示結(jié)果：

通過dict構(gòu)建DataFrame

（3）通過列索引獲取列數(shù)據(jù)（Series類型）

格式：df_obj[col_idx] 或 df_obj.col_idx

示例代碼：

# 導(dǎo)入 numpy 慷荔，別名 np
import numpy as np

# 導(dǎo)入pandas，別名 pd
import pandas as pd

# 通過dict構(gòu)建DataFrame
dict_data = {'A': 1, 
             'B': pd.Timestamp('20170426'),
             'C': pd.Series(1, index=list(range(4)),dtype='float32'),
             'D': np.array([3] * 4,dtype='int32'),
             'E': ["Python","Java","C++","C"],
             'F': 'ITCast' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)

# 通過列索引獲取列數(shù)據(jù)
print(df_obj2['A'])
print(type(df_obj2['A']))
print(df_obj2.A)

顯示結(jié)果：

通過列索引獲取列數(shù)據(jù)（Series類型）

（4）增加列數(shù)據(jù)

格式：df_obj[new_col_idx] = data
類似Python的 dict添加key-value

示例代碼：

# 導(dǎo)入 numpy 缠俺，別名 np
import numpy as np

# 導(dǎo)入pandas显晶，別名 pd
import pandas as pd

# 通過dict構(gòu)建DataFrame
dict_data = {'A': 1, 
             'B': pd.Timestamp('20170426'),
             'C': pd.Series(1, index=list(range(4)),dtype='float32'),
             'D': np.array([3] * 4,dtype='int32'),
             'E': ["Python","Java","C++","C"],
             'F': 'ITCast' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)
print(df_obj2)

# 增加列
df_obj2['G'] = df_obj2['D'] + 4
print(df_obj2.head())

顯示結(jié)果：

增加列數(shù)據(jù)

（5）刪除列數(shù)據(jù)

格式：del df_obj[col_idx]

示例代碼：

# 導(dǎo)入 numpy ，別名 np
import numpy as np

# 導(dǎo)入pandas壹士，別名 pd
import pandas as pd

# 通過dict構(gòu)建DataFrame
dict_data = {'A': 1, 
             'B': pd.Timestamp('20170426'),
             'C': pd.Series(1, index=list(range(4)),dtype='float32'),
             'D': np.array([3] * 4,dtype='int32'),
             'E': ["Python","Java","C++","C"],
             'F': 'ITCast' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)
print(df_obj2)

# 增加列
df_obj2['G'] = df_obj2['D'] + 4
print(df_obj2.head())

# 刪除列
del(df_obj2['G'] )
print(df_obj2.head())

顯示結(jié)果：

刪除列

三磷雇，索引操作

1、索引對象Index

（1）Series和DataFrame中的索引都是Index對象
（2）索引對象不可變躏救，保證了數(shù)據(jù)的安全
（3）常見的Index種類：
    1唯笙，Index，索引
    2盒使，Int64Index崩掘，整數(shù)索引
    3，MultiIndex少办，層級索引
    4苞慢，DatetimeIndex，時(shí)間戳類型

2凡泣、Series索引

（1）index 指定行索引名

示例代碼：

# 導(dǎo)入numpy枉疼，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
print(ser_obj.head())

顯示結(jié)果：

index 指定行索引名

（2）行索引

格式：ser_obj[‘label’], ser_obj[pos]

示例代碼：

# 導(dǎo)入numpy鞋拟，別名np
import numpy as np
# 導(dǎo)入pandas骂维，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
print(ser_obj['b'])
print(ser_obj[2])

顯示結(jié)果：

行索引

（3）切片索引

格式：ser_obj[2:4], ser_obj[‘label1’: ’label3’]
注意，按索引名切片操作時(shí)贺纲，是包含終止索引的航闺。

示例代碼：

# 導(dǎo)入numpy，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
# 切片索引
print(ser_obj[1:3])
print(ser_obj['b':'d'])

顯示結(jié)果：

切片索引

（4）不連續(xù)索引

格式：ser_obj[[‘label1’, ’label2’, ‘label3’]]

示例代碼：

# 導(dǎo)入numpy潦刃，別名np
import numpy as np
# 導(dǎo)入pandas侮措，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
# 不連續(xù)索引
print(ser_obj[[0, 2, 4]])
print(ser_obj[['a', 'e']])

顯示結(jié)果：

不連續(xù)索引

（5）布爾索引

示例代碼：

# 導(dǎo)入numpy，別名np
import numpy as np
# 導(dǎo)入pandas乖杠，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
# 布爾索引
ser_bool = ser_obj > 2
print(ser_bool)
print(ser_obj[ser_bool])

print(ser_obj[ser_obj > 2])

顯示結(jié)果：

布爾索引

3分扎、DataFrame索引

（1）columns 指定列索引名

示例代碼：

# 導(dǎo)入numpy，別名np
import numpy as np
# 導(dǎo)入pandas胧洒，別名 pd
import pandas as pd

df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])
print(df_obj.head())

顯示結(jié)果：

columns 指定列索引名

（2）列索引

格式：df_obj[[‘label’]]

示例代碼：

# 導(dǎo)入numpy畏吓，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])
# 列索引
print(df_obj['a']) # 返回Series類型
print(df_obj[[0]]) # 返回DataFrame類型
print(type(df_obj[[0]])) # 返回DataFrame類型

顯示結(jié)果：

列索引

（3）不連續(xù)索引

格式：df_obj[[‘label1’, ‘label2’]]

示例代碼：

# 導(dǎo)入numpy卫漫，別名np
import numpy as np
# 導(dǎo)入pandas菲饼，別名 pd
import pandas as pd

df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])

# 不連續(xù)索引
print(df_obj[['a','c']])
print(df_obj.iloc[[1, 3]])

顯示結(jié)果：

不連續(xù)索引

4、高級索引：標(biāo)簽列赎、位置和混合

（1）loc 標(biāo)簽索引

DataFrame 不能直接切片宏悦，可以通過loc來做切片
loc是基于標(biāo)簽名的索引，也就是我們自定義的索引名

示例代碼：

# 導(dǎo)入numpy包吝，別名np
import numpy as np
# 導(dǎo)入pandas饼煞，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])

# 標(biāo)簽索引 loc
# Series
print(ser_obj['b':'d'])
print(ser_obj.loc['b':'d'])

# DataFrame
print(df_obj['a'])

# 第一個(gè)參數(shù)索引行，第二個(gè)參數(shù)是列
print(df_obj.loc[0:2, 'a'])

顯示結(jié)果：

loc 標(biāo)簽索引

（2）iloc 位置索引

作用和loc一樣漏策，不過是基于索引編號來索引

示例代碼：

# 導(dǎo)入numpy派哲，別名np
import numpy as np
# 導(dǎo)入pandas臼氨，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])

# 整型位置索引 iloc
# Series
print(ser_obj[1:3])
print(ser_obj.iloc[1:3])

# DataFrame
print(df_obj.iloc[0:2, 0]) # 注意和df_obj.loc[0:2, 'a']的區(qū)別

顯示結(jié)果：

iloc 位置索引

（3）ix 標(biāo)簽與位置混合索引

ix是以上二者的綜合掺喻，既可以使用索引編號，又可以使用自定義索引储矩，要視情況不同來使用感耙，如果索引既有數(shù)字又有英文，那么這種方式是不建議使用的持隧，容易導(dǎo)致定位的混亂即硼。

示例代碼：

# 導(dǎo)入numpy，別名np
import numpy as np
# 導(dǎo)入pandas屡拨，別名 pd
import pandas as pd

ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'])

# 混合索引 ix
# Series
print(ser_obj.ix[1:3])
print(ser_obj.ix['b':'c'])

# DataFrame
print(df_obj.loc[0:2, 'a'])
print(df_obj.ix[0:2, 0])

四只酥，對齊運(yùn)算

1，Series的對齊運(yùn)算

（1）Series 按行呀狼、索引對齊

示例代碼：

# 導(dǎo)入numpy裂允，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

s1 = pd.Series(range(10, 20), index = range(10))
s2 = pd.Series(range(20, 25), index = range(5))

print('s1: ' )
print(s1)

print('') 

print('s2: ')
print(s2)

顯示結(jié)果：

Series 按行哥艇、索引對齊

（2）Series的對齊運(yùn)算

示例代碼：

# 導(dǎo)入numpy绝编，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

s1 = pd.Series(range(10, 20), index = range(10))
s2 = pd.Series(range(20, 25), index = range(5))

# Series 對齊運(yùn)算
s3 = s1 + s2
print(s3)

顯示結(jié)果：

Series的對齊運(yùn)算

2，DataFrame的對齊運(yùn)算

（1）DataFrame按行十饥、列索引對齊

示例代碼：

# 導(dǎo)入numpy窟勃，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

df1 = pd.DataFrame(np.ones((2,2)), columns = ['a', 'b'])
df2 = pd.DataFrame(np.ones((3,3)), columns = ['a', 'b', 'c'])

print('df1: ')
print(df1)

print('') 
print('df2: ')
print(df2)

顯示結(jié)果：

DataFrame按行逗堵、列索引對齊

（2）DataFrame的對齊運(yùn)算

示例代碼：

# 導(dǎo)入numpy秉氧，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

df1 = pd.DataFrame(np.ones((2,2)), columns = ['a', 'b'])
df2 = pd.DataFrame(np.ones((3,3)), columns = ['a', 'b', 'c'])

# DataFrame對齊操作
df3 = df1 + df2
print(df3)

顯示結(jié)果：

DataFrame的對齊運(yùn)算

3蜒秤，填充未對齊的數(shù)據(jù)進(jìn)行運(yùn)算

（1） fill_value

使用add, sub, div, mul的同時(shí)谬运，通過fill_value指定填充值，未對齊的數(shù)據(jù)將和填充值做運(yùn)算垦藏。

示例代碼：

# 導(dǎo)入numpy梆暖，別名np
import numpy as np
# 導(dǎo)入pandas，別名 pd
import pandas as pd

s1 = pd.Series(range(10, 20), index = range(10))
s2 = pd.Series(range(20, 25), index = range(5))

df1 = pd.DataFrame(np.ones((2,2)), columns = ['a', 'b'])
df2 = pd.DataFrame(np.ones((3,3)), columns = ['a', 'b', 'c'])

print(s1)
print(s2)
s1.add(s2, fill_value = -1)

print(df1)
print(df2)
df1.sub(df2, fill_value = 2.)

顯示結(jié)果：

fill_value

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者

人面猴
序言：七十年代末掂骏，一起剝皮案震驚了整個(gè)濱河市轰驳，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌弟灼，老刑警劉巖级解，帶你破解...
沈念sama閱讀 222,729評論 6贊 517
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場離奇詭異田绑，居然都是意外死亡勤哗，警方通過查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 95,226評論 3贊 399
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門掩驱，熙熙樓的掌柜王于貴愁眉苦臉地迎上來芒划，“玉大人，你說我怎么就攤上這事欧穴∶癖疲” “怎么了？”我有些...
開封第一講書人閱讀 169,461評論 0贊 362
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵涮帘，是天一觀的道長拼苍。經(jīng)常有香客問我，道長调缨，這世上最難降的妖魔是什么疮鲫？我笑而不...
開封第一講書人閱讀 60,135評論 1贊 300
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮弦叶，結(jié)果婚禮上俊犯，老公的妹妹穿的比我還像新娘。我一直安慰自己湾蔓，他們只是感情好瘫析，可當(dāng)我...
茶點(diǎn)故事閱讀 69,130評論 6贊 398
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著，像睡著了一般贬循。火紅的嫁衣襯著肌膚如雪咸包。梳的紋絲不亂的頭發(fā)上，一...
開封第一講書人閱讀 52,736評論 1贊 312
城市分裂傳說
那天杖虾，我揣著相機(jī)與錄音烂瘫，去河邊找鬼。笑死奇适，一個(gè)胖子當(dāng)著我的面吹牛坟比，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播嚷往，決...
沈念sama閱讀 41,179評論 3贊 422
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼葛账，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了皮仁？” 一聲冷哼從身側(cè)響起籍琳，我...
開封第一講書人閱讀 40,124評論 0贊 277
萬榮殺人案實(shí)錄
序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎贷祈，沒想到半個(gè)月后趋急，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體，經(jīng)...
沈念sama閱讀 46,657評論 1贊 320
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡势誊，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 38,723評論 3贊 342
?白月光啟示錄
正文我和宋清朗相戀三年呜达，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片粟耻。...
茶點(diǎn)故事閱讀 40,872評論 1贊 353
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡查近，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出勋颖，到底是詐尸還是另有隱情嗦嗡，我是刑警寧澤，帶...
沈念sama閱讀 36,533評論 5贊 351
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布饭玲，位于F島的核電站，受9級特大地震影響叁执，放射性物質(zhì)發(fā)生泄漏茄厘。R本人自食惡果不足惜，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 42,213評論 3贊 336
男人毒藥：我在死后第九天來索命
文/蒙蒙一谈宛、第九天我趴在偏房一處隱蔽的房頂上張望次哈。院中可真熱鬧，春花似錦吆录、人聲如沸。這莊子的主人今日做“春日...
開封第一講書人閱讀 32,700評論 0贊 25
一樁弒父案须鼎，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽。三九已至巨坊，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間此改，已是汗流浹背趾撵。一陣腳步聲響...
開封第一講書人閱讀 33,819評論 1贊 274
情欲美人皮
我被黑心中介騙來泰國打工，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留共啃，地道東北人占调。一個(gè)月前我還...
沈念sama閱讀 49,304評論 3贊 379
代替公主和親
正文我出身青樓，卻偏偏與公主長得像移剪，于是被迫代替她去往敵國和親究珊。傳聞我的和親對象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 45,876評論 2贊 361

Python11--數(shù)據(jù)分析Pandas庫基本概念

一，含義

二，數(shù)據(jù)結(jié)構(gòu)

1收奔、Series

（1）通過list構(gòu)建Series

（2）獲取數(shù)據(jù)和索引

（3）通過索引獲取數(shù)據(jù)

（4）索引與數(shù)據(jù)的對應(yīng)關(guān)系不被運(yùn)算結(jié)果影響

（5）通過dict構(gòu)建Series

（6）通過dict構(gòu)建Series的name屬性

2、DataFrame

（1）通過ndarray構(gòu)建DataFrame

（2）通過dict構(gòu)建DataFrame

（3）通過列索引獲取列數(shù)據(jù)（Series類型）

（4）增加列數(shù)據(jù)

（5）刪除列數(shù)據(jù)

三磷雇，索引操作

1、索引對象Index

2凡泣、Series索引

（1）index 指定行索引名

（2）行索引

（3）切片索引

（4）不連續(xù)索引

（5）布爾索引

3分扎、DataFrame索引

（1）columns 指定列索引名

（2）列索引

（3）不連續(xù)索引

4、高級索引：標(biāo)簽列赎、位置和混合

（1）loc 標(biāo)簽索引

（2）iloc 位置索引

（3）ix 標(biāo)簽與位置混合索引

四只酥，對齊運(yùn)算

1，Series的對齊運(yùn)算

（1）Series 按行呀狼、索引對齊

（2）Series的對齊運(yùn)算

2，DataFrame的對齊運(yùn)算

（1）DataFrame按行十饥、列索引對齊

（2）DataFrame的對齊運(yùn)算

3蜒秤，填充未對齊的數(shù)據(jù)進(jìn)行運(yùn)算

（1） fill_value

推薦閱讀更多精彩內(nèi)容