series學習**
"""
pandas 入門
author:sonny
date:2019/06
"""import pandas as pd
"""pandas兩種資料結構：series,dataframe"""
from pandas import series
"""series初始化方式：通過列表初始化，通過字典初始化"""
list_series = series([1,2,3])
dic_series = series()
"""檢視series物件的鍵與值"""
print(list_series)
print(list_series.index)
print(list_series.values)
"""新增series的index,通過index去檢索"""
obj = series([4,7,-5,3],index = ['a','b','c','d'])
print (obj)
print ("obj['a']:",obj['a'])
print ("obj[['c','a','d']]:\n",obj[['c','a','d']])
"""series陣列運算"""
import numpy as np
print(obj[obj>0])
print(obj*2)
print(np.exp(obj))
"""檢視鍵是否存在"""
print("'b' in obj:",'b' in obj)
print("'e' in obj:",'e' in obj)
"""通過index修改series的鍵,匹配的鍵才會有值"""
sdata =
obj2 = series(sdata,index = ['shenzhen','guangzhou','beijing'])
print(obj2)
"""series自動對齊資料，相同索引上的元素直接相加，索引不同的元素預設為na值"""
series_1 = series()
series_2 = series()
print(series_1+series_2)
"""series物件名稱的新增，index名稱的新增"""
series_1 = series([1000,2000,3000],\
index = ['person_1','person_2','person_3'])
print("series_1.name:{}, series_1.index.name:{}"\
.format(series_1.name,series_1.index.name))
series_1.name = "salary"
series_1.index.name = "person_name"
print(series_1)
print("series_1.name:{}, series_1.index.name:{}"\
.format(series_1.name,series_1.index.name))
"""索引的修改"""
series_1 = series([1,2,3],index = ['a','b','c'])
series_1.index = ['d','e','f']
print(series_1)
"""
pandas入門，dataframe基礎
author:sonny
date:2019/06
"""import pandas as pd
from pandas import dataframe
import numpy as np
"""dataframe與series相比，面向行和列的操作是平衡的,
資料多以乙個或者多個二維塊存放
通過傳遞乙個 numpyarray，時間索引以及列標籤來建立乙個dataframe
"""dates = pd.date_range('20130101', periods=6)
print(dates)
df = pd.dataframe(np.random.randn(6,4), index=dates, columns=list('abcd'))
print(df)
"""通過傳遞乙個能夠被轉換成類似序列結構的字典物件來建立乙個dataframe"""
df2 = pd.dataframe()
print(df2)
"""檢視不同列的資料型別"""
print(df2.dtypes)
"""檢視dataframe中頭部和尾部的行"""
print(df.head(3))
print(df.tail(3))
"""顯示索引、列和底層的 numpy 資料"""
print(df.index)
print(df.columns)
print(df.values)
""" describe()函式對於資料的快速統計彙總"""
print(df.describe())
"""對資料的轉置"""
print(df.t)
"""按軸進行排序,axis =0為按列，1為按行,ascending = false為降序"""
print(df.sort_index(axis=0))
print(df.sort_index(axis=1))
print(df.sort_index(axis=1, ascending=false))
print(df.sort_index(axis=0, ascending=false))
"""按值進行排序"""
print(df.sort_values(by='b'))
"""選擇乙個單獨的列，這將會返回乙個series，等同於df.a"""
print(df['a'])
""" 通過進行選擇，這將會對行進行切片"""
print(df[0:3])
print(df['20130102':'20130104'])
"""使用標籤來獲取乙個交叉的區域"""
print(df.loc[dates[0]])
print(df.loc[:,'a'])
print(df.loc['20130102':'20130104'])
"""通過標籤來在多個軸上進行選擇"""
print(df.loc[:,['a','b']])
print(df.loc['20130102':'20130104',['a','b']])
"""標籤切片"""
print(df.loc['20130102':'20130104',['a','b']])
"""對於返回的物件進行維度縮減"""
print(df.loc['20130102',['a','b']])
"""獲取乙個標量"""
print(df.loc[dates[0],'a'])
"""快速訪問乙個標量（與上乙個方法等價)"""
print(df.at[dates[0],'a'])
"""通過傳遞數值進行位置選擇（選擇的是行）"""
print(df.iloc[3])
"""通過數值進行切片，與 numpy/python 中的情況類似"""
print(df.iloc[3:5,0:2])
"""通過指定乙個位置的列表，與 numpy/python 中的情況類似"""
print(df.iloc[[1,2,4],[0,2]])
"""對行進行切片"""
print(df.iloc[1:3,:])
"""對列進行切片"""
print(df.iloc[:,1:3])
"""獲取特定的值"""
print(df.iloc[1,1])
"""快速訪問標量（等同於前乙個方法)"""
print(df.iat[1,1])
"""布林索引,使用乙個單獨列的值來選擇資料"""
print(df[df.a > 0])
"""使用where操作來選擇資料"""
print(df[df > 0])
""" 使用isin()方法來過濾："""
df2 = df.copy()
df2['e'] = ['one', 'one','two','three','four','three']
print(df2)
print(df2['e'].isin(['two']))
print(df2[df2['e'].isin(['two','four'])])
python資料分析筆記 2Pandas基礎
2.dataframe操作 3.pandas匯 計和計算 額外說明 1.python title 方法返回 標題化 的字串,就是說所有單詞都是以大寫開始，其餘字母均為小寫 見 istitle 2.python str.format 函式，它增強了字串格式化的功能。基本語法是通過 和 來代替以前的 f...
2 pandas選擇資料
那麼建立好資料後，或者讀入資料後，怎麼對資料進行選擇呢，下面將介紹pandas對資料的選擇 首先生成資料 import numpy as np import pandas as pd data pd.date range 20200801 periods 6 df1 pd.dataframe np....
資料分析 pandas
pandas是乙個強大的python資料分析的工具包，它是基於numpy構建的，正因pandas的出現，讓python語言也成為使用最廣泛而且強大的資料分析環境之一。pandas的主要功能 具備對其功能的資料結構dataframe，series 整合時間序列功能 提供豐富的數 算和操作 靈活處理缺失...