Pandas

Series

创建

多种方式创建，列表，字典，从其他Series中截取均可

可以传入的参数有：要存储的元素，索引，元素类型，名字等等

arr=pd.Series({"a":1,"b":2,"c":3})
arr=pd.Series([1,2,3],index=['a','b','c'])
arr=pd.Series([1,2,3],index=['a','b','c'],name="月份")
arr=pd.Series([1,2,3],dtype=float,name="月份",index=['a','b','c'])

属性：

values：获得Series中所有值

shape：获取Series的维度，几行几列

dtype：获取Series中数据的数据类型

ndim：获取维度

size：获取元素个数

name：获取名字

属性
print(arr)
print(arr.values)
print(arr.shape)
print(arr.dtype)
print(arr.ndim)
print(arr.size)
print(arr.name)

访问索引以及切片：

分为显式和隐式

print(arr.loc['a':'c'])#通过key来获取值
print(arr.loc['a'])

print(arr.iloc[0:3])#隐式索引，通过默认索引来获取值
print(arr.iloc[0])

#只能访问单个元素
print(arr.at['a'])
print(arr.iat[0])#隐式索引

Series也支持布尔索引：print(arr[arr<3])

方法：

head方法和tail方法从开头或者结尾取出部分元素

print(arr.head())# 默认返回前5行，内部填入数字表示开头几行
print(arr.tail())# 默认返回最后5行，内部填入数字表示结尾几行

展示基础属性：describe()

1，不包含缺失值的情况下有多少数

2，平均值

3，标准差

4，25%,50%,75%分位数

5，最小值，最大值

获取元素个数，不包含缺失值：count()

获取索引：arr.index,arr.keys()

检测缺失值s.isna(),s.isnull()

检测不是缺失值s.notna()

检测数据是否在Series中：s.isin()

排序，从小到大排s.sort_values(),从大到小排：s.sort_values(ascending=False)

Series其中也有算中位数，分位数，最大值，最小值，平均数的方法，和numpy类似

DataFrame

创建：

通过字典创建，通过Series创建，通过ndarray创建

s1=pd.Series([1,2,3])
s2=pd.Series([4,5,6])
df=pd.DataFrame([s1,s2],index=['1','2'])
df2=pd.DataFrame(
    {
        '第一列':['J','Q','K'],
        '第二列':["A","2","3"]
    },index=[1,2,3],columns=['第二列','第二列']
)

注意！#值得注意的是，如果将columns中的第一列和第二列改名为其他名字，这并不会将这两列进行重命名，反而会导致错误

如上述columns中均为”第二列‘，那么输出的结果是两行第二列而并非将第一列的名字改为了“第二列”，要改名请在创建DataFrame中进行改名，这里的原因是df2为字典创建，而字典的键不可改变

属性：

绝大部分都与Series一样

方法：

绝大部分和Series一样