pandas

为什么学习pandas

numpy已经可以帮助我们进行数据的处理了，那么学习pandas的目的是什么呢？
- numpy能够帮助我们处理的是数值型的数据，当然在数据分析中除了数值型的数据还有好多其他类型的数据（字符串，时间序列），那么pandas就可以帮我们很好的处理除了数值型的其他数据！

什么是pandas？

首先先来认识pandas中的两个常用的类
- Series
- DataFrame

Series

Series是一种类似与一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签
Series的创建
- 由列表或numpy数组创建
- 由字典创建

from pandas import Series
s = Series(data=[127,2,3,'regina'])

为什么需要有显示索引？

答：显示索引可以增强Series 的可读性

还可以直接引入字典：

Series的索引和切片

s[0] --> regina
s.姓名 --> regina
s[0:2] --> 
姓名    regina
年龄        23
dtype: object

Series的常用属性
- shape
- size
- index 返回索引
- values 返回值

s.shape
s.size
s.index #返回索引
s.values #返回值
s.dtype #元素的类型

Series的常用方法
- head(),tail()
  
  这里的head和tail默认是5，tail显示最后n个数据
- unique() 去重
- isnull(),notnull()
- add() sub() mul() div()
  
  只有索引一致的数据才可以相加
  
  同时也只有数据类型一样的才能相加

DataFrame

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values
DataFrame的创建
- ndarray创建
- 字典创建
DataFrame的属性
- values、columns、index、shape

============================================

练习：

根据以下考试成绩表，创建一个DataFrame，命名为df：
 regina  ivanlee  
语文 150  		0
数学 150  		0
英语 150  		0
理综 300  		0
============================================

DataFrame索引操作
```
df = DataFrame(data=np.random.randint(60,100,size=(5,5)),columns=['A','B','C','D','E'],index=[1,2,3,4,5])
```
- 对行进行索引
  - iloc: 通过隐式索引取行 (不根据所定义的index取值)
    
    取单个元素：
    
    df.iloc[,]
  - loc: 通过显示索引取行
- 队列进行索引
  
  df['A'] #取单列，如果df有显示的索引，通过索引机制去行或者列的时候只可以使用显示索引
- 对元素进行索引
  
  取多个元素：
DataFrame的切片操作
- 对行进行切片
- 对列进行切片
df索引和切片操作
- 索引：
  - df[col]:取列
  - df.loc[index]:取行
  - df.iloc[index,col]:取元素
- 切片：
  - df[index1:index3]:切行
  - df.iloc[:,col1:col3]:切列

DataFrame的计算与Series一致

时间数据类型的转换

pd.to_datetime(col)

dic = {
    'time':['2010-10-10','2011-11-20','2020-01-10'],
    'temp':[33,31,30]
}
df = DataFrame(data=dic) df['time'].dtype = 'O'
import pandas as pd
#将time列的数据类型转换成时间序列类型
df['time'] = pd.to_datetime(df['time'])
df['time']