pandas是什么？為什么要用pandas？

pandas是一個第三方python庫，有強大的數據加載，操作，分析功能。
可以認為pandas是python中的數據庫。

如何使用pandas？

pandas主要有兩種數據存儲類型：Series 和 DataFrame，分別是二維數據和三維數據。
接下來學習如何加載，讀取，操作，分析。

Series

加載

Series 和 dict 是很像的。
普通方式：

x=pd.Series([1, 2, 3], index=[1, 2, 'a'])

而index可以省略，這時候默認為從 0 開始編號的數字。
dict方式：

x=pd.Series({'a':1, "b":2},index=['b', 'c'])

這里的index可以省略，默認為字典的keys()。但是如果不省略，那么索引就一定只是index里面的，比如上面就只剩下 b。同時上面的 c 在字典中沒出現，這時候在 Series 會保存為 NaN，pandas 的數據存儲允許某些位置數據缺失。

讀取

直接索引訪問，所以說和dict很像：

print(x['a'])

這時候輸出的是一個元素對象。
可以使用切片操作：

print(x[:1])

可以使用索引列表：

print(x[['a', 'b']])

這兩個的結果都是一個 Series 對象。

分析

這里有些常用的 Series 屬性。
isnull()&nonull()檢測缺失值方法。

s=pd.Series([1,2,5,None])
print(pd.isnull(s))  #是空值返回True
print(pd.notnull(s)) #空值返回False

output:

0    False
1    False
2    False
3     True
dtype: bool

notnull():
0     True
1     True
2     True
3    False
dtype: bool

操作

還沒學。

DataFrame

通識

DataFrame是一個既有 Index 又有 Column 的二維表。允許表內的數據是 NaN。

創建

pd.DataFrame( data, index, columns, dtype, copy)

data 表示數據，index 表示行標簽，columns 表示列標簽，dtype 表示數據類型，copy 表示是否將 data 復制一份再構造。
下面解析 data 的幾種形式。
第一種，二維列表：

x=pd.DataFrame([[1, 2, 3], [3, 4, 5]])

這樣構造出一個兩行三列，行標簽和列標簽都默認的表。
第二種，字典嵌套列表：

data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data)

這里列標簽就會變成 Name 和 Age。可以聯想到構建 Series 可以用普通字典。想法都是把字典的鍵值作為列標簽/索引。
第三種，列表嵌套字典：

data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)

這里第一行第三列會使 NaN。
第三種，字典嵌套 Series：

d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
   'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}

聯想到 Series 和字典差不多，所以字典嵌套字典也行。
總之，第一層是列標簽，第二層是行標簽。

讀取

列讀取方法。
通過列標簽取出一個 Series，再用 Series 方法取出某個元素。

x=pd.DataFrame([[1,2],[3,4]]])
x[0] # 一個 Series
x[[0, 'a']] # 一個子 DataFrame
x[0][0]

行讀取方法。
一樣的，取出來是 Series。

x=pd.DataFrame([[1,2],[3,4]]])
x.loc[0]

兩者都可以實現切片于 [] 列表索引，和 Series 是一樣的。

操作

列添加方法。
像字典一樣直接賦值就好了。

x=pd.DataFrame([[1,2],[3,4]]])
x['a']=pd.Series([1, 2])
x['b']=x[0]+x[1]

而且還能用向量化加法，因為 Series 是基于 ndarray 實現的。
列刪除方法，del 或者 pop。

del x['a']
x.pop('a')

行添加方法。

x.append(y) # y 是一個 DataFrame