pandas 1

1、pandas的简介

Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。Pandas 的出现使得 Python 做数据分析的能力得到了大幅度提升，它主要实现了数据分析的五个重要环节：加载数据、整理数据、操作数据、构建数据模型、分析数据

1.1 Pandas内置数据结构

Pandas为了解决构建和处理二维、多维数组的任务，在ndarray数组的基础上构建出了两种不同的数据结构，分别是 Series（一维数据结构）DataFrame（二维数据结构）

Series 是带标签的一维数组，这里的标签可以理解为索引，但这个索引并不局限于整数，它也可以是字符类型，比如 a、b、c 等；DataFrame 是一种表格型数据结构，它既有行标签，又有列标签。

2 .Pandas 数据结构 - Series

Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。基本结构为：pandas.Series( data, index, dtype, name, copy)

data：一组数据(ndarray 类型)。

index：数据索引标签，如果不指定，默认从 0 开始。

dtype：数据类型，默认会自己判断。

name：设置名称。

copy：拷贝数据，默认为 False。

Pandas 使用 Series() 函数来创建 Series 对象，通过这个对象可以调用相应的方法和属性，从而达到处理数据的目的。

2.1创建 Series 对象

（1）通过列表创建Series对象

其中：0 1 2为索引，1 2 3为数据，dtype为数据类型。并且在没有指定索引时，索引值就会从0开始。可以根据索引值读取数据，如print（myvar[0]）,得到的结果为1

此外索引值是可以指定的：

（2）通过字典创建Series对象

此时的索引跟值是直接一一对应的

（3）通过ndarray创建Series对象

在这里是有指定了索引

（4）通过标量创建Series对象

data 是标量值，则必须提供索引，标量值按照 index 的数量进行重复，并与其一一对应。

2.2访问Series数据

2.2.1 位置索引访问

输出结果为1。

还可以通过切片的方式

2.2.2索引标签访问

这边需要注意，通过索引标签访问多个元素值时，需要添加两个中括号

2.3 Series的常用属性

输出结果为：

2.4 Series常用方法

2.4.1 head()&tail()查看数据

如果想要查看 Series 的某一部分数据，可以使用 head() 或者 tail() 方法。其中 head() 返回前 n 行数据，默认显示前 5 行数据。

输出结果为：

tail() 返回的是后 n 行数据，默认为后 5 行

输出结果为：

2.4.2 isnull()&nonull()检测缺失值

isnull() 和 nonull() 用于检测 Series 中的缺失值。isnull()：如果为值不存在或者缺失，则返回 True。notnull()：如果值不存在或者缺失，则返回 False。

数据的收集会存在导致数据丢失的现象。所以我们可以通过以上方法检测是否存在缺失值，再相应的方法对缺失值进行处理。