Python資料處理(二) | Pandas資料處理
本篇部落格所有示例使用Jupyter NoteBook演示。
Python資料處理系列筆記基於：Python資料科學手冊電子版 下載密碼：ovnh
示例程式碼 下載密碼:02f4
目錄
一、Pandas簡介
Pandas是在NumPy基礎上建立的新程式庫，提供了DataFrame資料結構，支援相同型別資料和缺失值的多維陣列，為資料科學家們處理耗時的“資料清理”任務提供了捷徑,pandas的操作對處理資料庫框架和電子表格資料很方便。
二、Pandas物件簡介
從底層觀察Pandas物件，可以把它看成增強版的Numpy結構化陣列，行列不再是簡單的整數索引，還可以帶上標籤。Pandas的三個基本資料結構：Series、DataFrame和Index。
1.Pandas的Series物件
Pandas的Series物件是一個帶索引資料構成的一維陣列。可以用陣列建立Series物件：
Series物件將一組資料和一組索引繫結，可以分別通過values和index屬性獲取資料：
和陣列一樣可通過[]+索引的方式進行訪問：
- Series是通用的NumPy陣列
NumPy陣列是通過隱式定義的整數索引來獲取數值，Pandas的Series物件使用一種顯示定義的索引與數值關聯。
顯示定義索引，索引不再僅僅是整數，可以是任意型別：
- Series是特殊的字典
可以把Series物件看作是一種特殊的Python字典，，字典是一種將任意鍵對映到一組任意值的資料結構，忘記的同學可以看我的另一篇部落格複習一下 Python字典。
Series其實也是一種將型別鍵對映到一組型別值的資料結構。就像NumPy陣列的某些操作比Python列表更高效一樣，Series物件的某些操作也比Python字典更高效。
- 建立Series物件
Series物件建立的形式：
pd.Series(data,index=index)data引數支援多種資料型別，index是一個可選的引數：
每一種形式都可以通過顯示指定索引篩選需要的結果；
2.Pandas的DataFrame物件
- DataFrame是通用的NumPy陣列
如果說Series是一個帶靈活索引的一維陣列，那麼DataFrame就是一種既有靈活的行索引，又有靈活列名的二維陣列；可以把DataFrame物件看成是若干有序排列的Series物件，這些Series物件有相同的索引：
DataFrame物件有index和columns屬性，可以分別獲得索引和列名：
可以把DataFrame看作一種通用的NumPy二維陣列，可以通過索引和列名，獲取相應的行或列。
- DataFrame是特殊的字典
字典是一個鍵對映一個值，而DataFrame是一列對映一個Series的資料。
- 建立DataFrame物件
通過單個Series物件建立，DataFrame是一組Series物件的集合，可用單個Series建立一個單列的DataFrame：
通過字典列表建立：
即使字典中有些鍵不存在，Pandas會用缺失值NaN(Not a Number)表示：
通過具有相同行索引的Series物件字典建立：
通過NumPy二維陣列建立。指定行/列索引，不指定預設為整數索引：
通過NumPy結構化陣列建立：
最後，也可以通過讀入Excel表格或csv檔案來轉化成DataFrame格式。