（1）pandas 基础教程

步骤一、环境准备

右击桌面上选择【Open in Terminal】 打开终端。
在弹出的终端中输入【ipython】进入Python的解释器中，如图1所示。

 

图1 ipython解释器

步骤二、导入所须要的包

导入实验经常使用的python包。如图2所示。
【import pandas as pd】pandas用来作数据处理。
【import numpy as np】numpy用来作高维度矩阵运算.
【import matplotlib.pyplot as plt】matplotlib用来作数据可视化。

 

图2 导入所须要的包

步骤三、建立对象

经过传递一个list对象来建立一个Series,pandas会默认建立整型索引，如图3所示。
【s = pd.Series([1,3,5,np.nan,6,8]】将一个list传入到Series对象
【s】查看s的值

 

图3 建立Series对象

经过传递一个 numpy array，时间索引以及列标签来建立一个 DataFrame，如图4所示。
【datas = pd.date_range(‘20170101’, periods=6)】生成20170101-20170106 六天的日期
【datas】查看生成的数据
【df = pd.DataFrame(np.random.randn(6,4), index=datas, columns=list(‘ABCD’))】以时间为索引以及ABCD为列标签建立一个DataFrame对象
【df】查看生成的DataFrame对象

 

图4 建立DataFrame对象

经过传递一个可以被转换成相似序列结构的字典对象来建立一个DataFrame。如图5所示：
【
df2 = pd.DataFrame({ ‘A’ : 1.,
‘B’ : pd.Timestamp(‘20170101’),
‘C’ : pd.Series(1,index=list(range(4)),dtype=’float32’),
‘D’ : np.array([3] * 4,dtype=’int32’),
‘E’ : pd.Categorical([“test”,”train”,”test”,”train”]),
‘F’ : ‘foo’ })
】生成一个字典对象，并传递生成一个DataFrame
【df2】查看生成的DataFrame
【df2.dtype】查看不一样列的数据类型

 

图5 传递字典生成DataFrame对象

步骤四、查看数据

查看 DataFrame 中头部和尾部的行，如图6所示。
【df.head()】查看dataFrame的前五行
【df.tail(3)】查看dataFrame的后三行

 

图6 查看数据1

查看df的索引，列名称和底层的numpy数据，如图7所示。
【df.index】查看dataFrame的索引。
【df.columns】查看dataFrame的列名称
【df.values】查看dataFrame底层的数据

 

图7 查看数据2

describe()函数对于数据的快速统计汇总，如图8所示
【df.describe()】对数据进行快速汇总

 

图8 对数据汇总

对数据的转置,如图9所示。
【df.T】

 

图9 对数据的转置

对数据的排序，如图10所示。
【df.sort_index(axis=1, ascending=False)】按轴进行排序
【df.sort_values(by=’B’)】按值进行排序

 

图10 对数据的排序

步骤五、数据的选择

对数据的获取，如图11所示。
【df[‘A’]】选择一个单独的列，返回一个Series
【df[0:3]】切片显示
【df[‘20170101’:’20170103’]】指定日期切片

 

图11 对数据的获取

经过标签选择，如图12所示。
【df.loc[datas[0]]】使用标签来获取一个交叉的区域
【df.loc[‘20170102’,[‘A’,’B’]]】对于返回对象进行维度缩减
【df.loc[‘20170101’:’20170103’,[‘A’,’B’]]】标签切片
【df.loc[‘20170102’,[‘A’,’B’]]】对于返回对象进行维度缩减
【df.loc[dates[0],’A’]】获取一个标量

 

图12 经过标签选择

经过位置选择，如图13所示
【df.iloc[3]】经过传递数值进行位置选择（选择的是行）
【df.iloc[3:5,0:2]】经过数值进行切片选择
【df.iloc[[1,2,4],[0,2]]】经过指定一个位置的列表选择
【df.iloc[1:3,:]】对行进行切片
【df.iloc[:,1:3]】对列进行切片
【df.iloc[1,1]】获取特定的值

 

图13 经过位置选择

步骤六、布尔索引

布尔索引，如图14所示。
【df[df.A > 0]】使用一个单独列的值来选择数据
【df[df > 0]】经过where操做选取数据
【df2 = df.copy()】
【df2[‘E’] = [‘one’, ‘one’,’two’,’three’,’four’,’three’]】
【df2】
【df2[df2[‘E’].isin([‘two’,’four’])]】使用 isin() 方法来过滤

 

图14 布尔索引