本文档记录Pandas的各种使用方法，方便自己后续查阅。

数据类型

数据结构 维度 说明
Series 1 该结构能够存储各种数据类型，比如字符数、整数、浮点数、Python 对象等，Series 用 name 和 index 属性来描述数据值。Series 是一维数据结构，因此其维数不可以改变。
DataFrame 2 DataFrame 是一种二维表格型数据的结构，既有行索引，也有列索引。行索引是 index，列索引是 columns。在创建该结构时，可以指定相应的索引值。

Series

series结构

创建Series对象

1
2
import pandas as pd
s=pd.Series( data, index, dtype, copy)
参数名称 描述
data 输入的数据，可以是列表、常量、ndarray 数组等。
index 索引值必须是惟一的，如果没有传递索引，则默认为 np.arrange(n)。
dtype dtype表示数据类型，如果没有提供，则会自动判断得出。
copy 表示对 data 进行拷贝，默认为 False。

dict 创建 Series

1
2
3
4
5
import pandas as pd
import numpy as np
data = {'a' : 0., 'b' : 1., 'c' : 2.}
s = pd.Series(data)
print(s)

输出结果 

1
2
3
4
a 0.0
b 1.0
c 2.0
dtype: float64
#### 访问Series 
1
2
3
4
5
6
7
import pandas as pd
s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
print(s[0])  #位置下标
print(s['a']) #标签下标
print(s[:3]) #支持切片
s.head()#默认显示前5行
s.tail()#默认显示后5行
### DataFrame 结构图

创建Dataframe

1
2
import pandas as pd
pd.DataFrame( data, index, columns, dtype, copy)
参数名称 说明
data 输入的数据，可以是 ndarray，series，list，dict，标量以及一个 DataFrame。
index 行标签，如果没有传递 index 值，则默认行标签是 np.arange(n)，n 代表 data 的元素个数。
columns 列标签，如果没有传递 columns 值，则默认列标签是 np.arange(n)。
dtype dtype表示每一列的数据类型。
copy 默认为 False，表示复制数据 data。
  • 各种创建方法 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    data = [1,2,3,4,5]
    df = pd.DataFrame(data)]

    data = [['Alex',10],['Bob',12],['Clarke',13]]
    df = pd.DataFrame(data,columns=['Name','Age'])

    data = [['Alex',10],['Bob',12],['Clarke',13]]
    df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)

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

    data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
    df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])

    data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
    df = pd.DataFrame(data)
    #     a    b      c
    # 0   1   2     NaN
    # 1   5   10   20.0

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

列索引操作Dataframe(按列来操作)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
mport pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
   'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df ['one']) #读取one这一列的数据
#使用df['列']=值，插入新的数据列
df['three']=pd.Series([10,20,30],index=['a','b','c'])
print(df)
#将已经存在的数据列做相加运算
df['four']=df['one']+df['three']
            one   two   three    four
        a     1.0    1    10.0     11.0
        b     2.0    2    20.0     22.0
        c     3.0    3    30.0     33.0
        d     NaN    4     NaN     NaN
#数值1代表插入到columns列表的索引位置
df.insert(1,column='score',value=[91,90,75])

#删除
#使用del删除
del df['one']
#使用pop方法删除
df.pop('two')

行索引操作DataFrame(对行进行操作)

1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd
d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
   'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print(df.loc['b'])#获取第b行数据 loc 只能提取标签索引
print (df.iloc[2]）#获取第二行数据 iloc只能接收整数索引
#左闭右开
print(df[2:4])
#在行末追加新数据行
df = df.append(df2)
#调用了drop()方法删除行
df = df.drop(0)

其余属性和方法

名称 属性&方法描述
T 行和列转置。
axes 返回一个仅以行轴标签和列轴标签为成员的列表。
dtypes 返回每列数据的数据类型。
empty DataFrame中没有数据或者任意坐标轴的长度为0，则返回True。
ndim 轴的数量，也指数组的维数。
shape 返回一个元组，表示了 DataFrame 维度。
size DataFrame中的元素数量。
values 使用 numpy 数组表示 DataFrame 中的元素值。
head() 返回前 n 行数据。
tail() 返回后 n 行数据。
shift() 将行或列移动指定的步幅长度
  • 要移动某一行/列用shift 
    1
    DataFrame.shift(periods=1, freq=None, axis=0)
参数名称 说明
peroids 类型为int，表示移动的幅度，可以是正数，也可以是负数，默认值为1。
freq 日期偏移量，默认值为None，适用于时间序。取值为符合时间规则的字符串。
axis 如果是 0 或者 "index" 表示上下移动，如果是 1 或者 "columns" 则会左右移动。
fill_value 该参数用来填充缺失值。

自定义函数

  1. 操作整个 DataFrame 的函数：pipe()
  2. 操作行或者列的函数：apply()
  3. 操作单一元素的函数：applymap() ### 操作整个数据表 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    import pandas as pd
    import numpy as np
    #自定义函数
    def adder(ele1,ele2):
       return ele1+ele2
    #操作DataFrame
    df = pd.DataFrame(np.random.randn(4,3),columns=['c1','c2','c3'])
    #相加前
    print(df)
    #相加后
    print(df.pipe(adder,3))

             c1        c2        c3
    0  1.989075  0.932426 -0.523568
    1 -1.736317  0.703575 -0.819940
    2  0.657279 -0.872929  0.040841
    3  0.441424  1.170723 -0.629618
             c1        c2        c3
    0  4.989075  3.932426  2.476432
    1  1.263683  3.703575  2.180060
    2  3.657279  2.127071  3.040841
    3  3.441424  4.170723  2.370382
    ### 操作行或列 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    import pandas as pd
    import numpy as np
    df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
    df.apply(np.mean)
    #默认按列操作，计算每一列均值
    print (df.apply(np.mean))
    #传递轴参 axis=1， 表示逐行进行操作
    print (df.apply(np.mean,axis=1))

    print(df.apply(lambda x: x.max() - x.min()))
    col1    0.277214
    col2    0.716651
    col3   -0.250487
    dtype: float64

    0   -0.244641
    1   -0.209242
    2   -0.323908
    3   -0.373431
    4    0.285771
    dtype: float64

    col1    3.538252
    col2    2.904771
    col3    2.650892
    dtype: float64
    ### 操作单一元素 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    import pandas as pd
    import numpy as np
    #自定义函数
    df = pd.DataFrame(np.random.randn(5,3),columns=['col1','col2','col3'])
    print(df.applymap(lambda x:x*10))
    print(df.apply(np.mean))

            col1       col2       col3
    0  -1.055926   7.952690  15.225932
    1   9.362457 -12.230732   7.663450
    2   2.910049  -2.782934   2.073905
    3 -12.008132  -1.444989   5.988144
    4   2.877850   6.563894   8.192513
    #求均值：
    col1    0.041726
    col2   -0.038841
    col3    0.782879
    dtype: float64