Pandas入門基本知識

來自專欄大數據轉行學習筆記

Pandas基於NumPy實現，常與NumPy和Matplotlib一同使用

引用代碼：

import pandas as pd

一、series類型

series類型有一組相對應的數據及其索引構成，可以由：Python列表、標量值。Python字典、ndarray和其他函數創建。

可以直接由列表創建：

我們也可以自己輸入索引參數，來確定索引：

series類型類似於Python中的字典類型有鍵值對索引，所以可以由字典來創建series：

同樣也能用index修改參數：

（注意d對應著NaN）

series類型也可以直接由numpy中的ndarray類型創建（同時可以用index特定索引）：

二、series的索引

值得注意的是，自動索引自動生成，而且是可以和我們的自定義索引並存的：

索引單個值時返回的是值，而切片索引時返回的是series類型：

同樣，對series的運算返回的結果同樣是series類型：

（median函數用來返回中值， exp函數用來計算e的x次方）

get（）用於獲取f對應的值，如果沒有則返回100

無法對其的數據不會被計算（看做取交集就好）

簡單來說，series類型就是一個一維的帶索引的數組。

三、DataFrame類型

DataFrame類型就是Pandas庫的二維數據類型，多列數據共用一套索引

和Numpy一樣，縱向為index（axis=0），橫向為column（axis=1）

我們可以由二維ndarray對象創建DataFrame類型（注意numpy和pandas要分別import）

（行和列上都會自動生成索引）

一維ndarray對象/列表可以通過字典類型生成DataFrame類型

（自動用NaN補齊）

DataFrame的索引也沒有什麼好說的（注意橫向整行索引用d.ix[]）：

四、數據類型操作

.reindex()能夠改變或重排Series和DataFrame（標出index還是colums）索引

重新索引的參數：

Series和DataFrame的索引是Index類型，Index對象是不可修改類型，對其修改主要有以下方法：

（ffill指向前填充）

.drop()能夠刪除Series和DataFrame指定行或列索引

五、Pandas庫數據類型計算

可以用+-*/號進行運算，也可以用一些函數運算，使用函數的優點在於可以使用一些參數：

不同維度之間的運算為廣播運算：

六、排序

一組雜亂的數據，需要進行摘要（有損的獲得數據特徵的過程）：排序、分布/累計統計、數據特徵（相關性、周期性）、數據挖掘

pandas庫的排序方法有兩種：1..sort_index()方法在指定軸上根據索引進行排序，默認升序

（ascending意為遞增排序）

2..sort_values()方法在指定軸上根據數值進行排序，默認升序

（NaN統一放到排序末尾）

七、統計分析函數

.describe() 針對0軸（各列）的統計匯總，一次性輸出多種統計數值：

a.describe() 的類型是series類型，所以可以使用索引方法

此時a.describe() 的類型是DataFrame類型，按索引返回一個series類型對象

累計分析：對前1-N個數進行累加

滾動/窗口計算函數：依次計算相鄰x個元素

1.縱向上以兩個元素為單位進行求和運算

2.縱向上以三個元素為單位進行求和運算

七、相關性分析

相關性最基本的就是：

? X增大，Y增大，兩個變數正相關

? X增大，Y減小，兩個變數負相關

? X增大，Y無視，兩個變數不相關

分析相關性的方法：

1.協方差

2.Pearson相關係數

（r取絕對值）

看一個實例：

得出結論為中等相關性

代碼為：

import pandas as pd

推薦閱讀：