开发|pandas模块
整了一篇关于pandas模块的使用文章，方便检查自己的学习质量。自从使用了pandas之后，真的是被它的功能所震撼~~~
前言
目前所有的文章思想格式都是:知识+情感。
知识:对于所有的知识点的描述。力求不含任何的自我感情色彩。
情感:用我自己的方式，解读知识点。力求通俗易懂，完美透析知识。
正文
pandas是一个强大的Python数据分析的工具包，是基于NumPy构建的。**Python Data Analysis Library **( pandas )是为了解决数据分析任务而创建的。
所以，在使用pandas的时候，需要适当的回顾一下关于numpy的使用，多回顾是好事，防止遗忘。
pandas 安装
一般使用Python的工具都是使用pip进行安装，只是因为使用的是Python3 ，所以使用的是pip3 进行安装，其实使用pip也不会报错~~
安装方式: pip3 install pandas
引入方式: import pandas as pd
注意: 如果安装了anaconda就不需要了pip了~
Series
1.Series是什么？
Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。
2、Series 怎么创建？
注意:前面一列表示的是索引(可以自己进行指定)，后面一列是自己的数据值。
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: pd.Series([1, 2, 3, 4])
Out[3]:
0 1
1 2
2 3
3 4
dtype: int64
In [4]: pd.Series([11, 12, 13, 14], index=['a', 'b', 'c', 'd'])
Out[4]:
a 11
b 12
c 13
d 14
dtype: int64
In [5]: pd.Series(np.arange(10))
Out[5]:
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype: int32
3.获取值数组和索引数组：values属性和index属性
注意:所谓的指定下标，只不过是显示的，底层还是基于原来的数字索引下标。
对于数组的所以，依然可以使用列表的方式。
In [7]: s = pd.Series([11, 12, 13, 14], index=['a', 'b', 'c', 'd'])
In [8]: s
Out[8]:
a 11
b 12
c 13
d 14
dtype: int64
In [9]: s[0]
Out[9]: 11
In [10]: s[-1]
Out[10]: 14
4.Series的使用特性
1)Series比较像列表（数组）和字典的结合体。
2)具有如下特性:
Series支持array的特性（下标）：
从ndarray创建Series：Series(arr)
与标量运算：sr*2
两个Series运算：sr1+sr2
索引：sr[0], sr[[1,2,4]]
切片：sr[0:2]
通用函数：np.abs(sr)
布尔值过滤：sr[sr>0]
Series支持字典的特性（标签）：
从字典创建Series：Series(dic),
in运算：’a’ in sr
键索引：sr['a'], sr[['a', 'b', ‘d']]
3)示例代码如下:
In [11]: a
Out[11]:
a 4
b 5
c 6
d 7
dtype: int64
In [12]: a[a>5]
Out[12]:
c 6
d 7
dtype: int64
5.Series 的索引选择问题？
注意:由于自己可以指定数据的索引标签，所以在进行取出数据的时候，使用自己指定的索引标签呢？还是使用原生的0,1,2...索引？？
解决:如果索引是整数类型，则根进据整数行下标获取值时总是面向标签的。
解决方法：loc属性（将索引解释为标签）和iloc属性（将索引解释为下标）
代码实现:
In [20]: s = pd.Series([11, 12, 13, 14], index=['a', 'b', 'c', 'd'])
In [21]: s
Out[21]:
a 11
b 12
c 13
d 14
dtype: int64
In [22]: s.loc['a']
Out[22]: 11
In [23]: s.iloc[0]
Out[23]: 11
6.Series的数据根据索引匹配
1)注意:pandas在进行两个Series对象的运算时，会按索引标签进行对齐，然后计算。
如果两个Series对象的索引不完全相同，则结果的索引是两个操作数索引的并集。如果只有一个对象在某索引下有值，则结果中该索引的值为NaN（缺失值）。
In [25]: sr1 = pd.Series([12,23,34], index=['c','a','d'])
...: sr2 = pd.Series([11,20,10], index=['d','c','a'])
...: sr1+sr2
Out[25]:
a 33
c 32
d 45
dtype: int64
In [26]: sr1 = pd.Series([12,23,34], index=['c','a','d'])
...: sr2 = pd.Series([11,20,10], index=['b','c','a'])
...: sr1+sr2
Out[26]:
a 33.0
b NaN
c 32.0
d NaN
dtype: float64
2)当不希望因为没有对应的标签出现NaN的时候，可以使用add()方法，fill_valus属性进行操作
In [28]: sr1 = pd.Series([12,23,34], index=['c','a','d'])
...: sr2 = pd.Series([11,20,10], index=['b','c','a'])
In [29]: sr1.add(sr2, fill_value=0)
...:
Out[29]:
a 33.0
b 11.0
c 32.0
d 34.0
dtype: float64
7.缺失数据处理
缺失数据：使用NaN（Not a Number）来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。
处理缺失数据的相关方法：
dropna() 过滤掉值为NaN的行
fillna() 填充缺失数据
isnull() 返回布尔数组，缺失值对应为True
notnull() 返回布尔数组，缺失值对应为False
过滤缺失数据：sr.dropna() 或 sr[data.notnull()]
填充缺失数据：fillna(0)
DatFrame
1.DataFrame是什么？
DataFrame是一个表格型的数据结构，含有一组有序的列。DataFrame可以被看做是由Series组成的字典，并且共用一个索引。并且可以看成是二维数据类型。
2.创建二维数组
注意:可以使用类似于字典的方式进行二维数组的创建。
In [30]: animals = pd.DataFrame({'kind': ['cat', 'dog', 'cat', 'dog'],
...: 'height': [9.1, 6.0, 9.5, 34.0],
...: 'weight': [7.9, 7.5, 9.9, 198.0]})
In [31]: animals
Out[31]:
kind height weight
0 cat 9.1 7.9
1 dog 6.0 7.5
2 cat 9.5 9.9
3 dog 34.0 198.0
注意:创建的过程中，标签索引不存在的时候，可以使用NaN进行代替，并且二维数组是以列为一个以为数组，所以每一列的数据类型会保持一致。回忆numpy中的保证数据类型一致的情景。
NaN被认为是浮点数形式。
In [32]: pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),
...: 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
Out[32]:
one two
a 1.0 2
b 2.0 1
c 3.0 3
d NaN 4
3.csv文件的读写
注意: csv文件，类似于数组，行区分是逗号，列区分是换行。
读出数据:
df.read_csv('filename.csv')
写入数据:
df.to_csv()
4.DataFrame-常用属性
注意：Series里面是将一列看成一起的，所以数据类型也会是一样的。
index 获取索引
T 转置
columns 获取列索引
values 获取值数组
describe() 获取快速统计
5.DataFrame-索引和切片
1)DataFrame是一个二维数据类型，所以有行索引和列索引。
2)DataFrame同样可以通过标签和位置两种方法进行索引和切片
** ........ loc属性和iloc属性**
使用方法：逗号隔开，前面是行索引，后面是列索引
行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配
6.DataFrame-数据对齐与缺失数据
1)DataFrame对象在运算时，同样会进行数据对齐，其行索引和列索引分别对齐。如果指定标签就按照标签进行对其，默认按照数字对其。
2)DataFrame处理缺失数据的相关方法：
dropna(axis=0,where='any',…)
fillna()
isnull()
notnull()
pandas常用方法
注意:NumPy的通用函数同样适用于pandas
mean(axis=0,skipna=False) 对列（行）求平均值
sum(axis=1) 对列（行）求和
sort_index(axis, …, ascending) 对列（行）索引排序
sort_values(by, axis, ascending) 按某一列（行）的值排序，可以按列，升序与降序（NaN表示缺失值，不进行排序）
apply(func, axis=0) 将自定义函数应用在各行或者各列上，func可返回标量或者Series
applymap(func) 将函数应用在DataFrame各个元素上
map(func) 将函数应用在Series各个元素上
axis表示在二维数组中表示行与列，当等于1的时候就表示等于行，0表示等于列
describe（）,快速看到每一列的信息，平均值，标准差，方差，最大值，最小值….
例子:
In [37]: s = pd.DataFrame({'a': np.arange(10), 'b': np.arange(10, 20)})
In [38]: s
Out[38]:
a b
0 0 10
1 1 11
2 2 12
3 3 13
4 4 14
5 5 15
6 6 16
7 7 17
8 8 18
9 9 19
In [39]: s.describe()
Out[39]:
a b
count 10.00000 10.00000
mean 4.50000 14.50000
std 3.02765 3.02765
min 0.00000 10.00000
25% 2.25000 12.25000
50% 4.50000 14.50000
75% 6.75000 16.75000
max 9.00000 19.00000
pandas时间对象
1.时间序列类型：
时间戳：特定时刻
固定时期：如2017年7月
时间间隔：起始时间-结束时间
2.Python标准库处理时间对象：datetime
灵活处理时间对象：dateutil
dateutil.parser.parse()
成组， 批量转换时间对象：pandas
pd.to_datetime()
3.产生时间对象数组：date_range
start 开始时间
end 结束时间
periods 时间长度
freq 时间频率，默认为'D'，可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
In [40]: pd.date_range?
Signature:
pd.date_range(
start=None,
end=None,
periods=None,
freq=None,
tz=None,
normalize=False,
name=None,
closed=None,
**kwargs,
)
4.pandas 的时间序列
1)时间序列就是以时间对象为索引的Series或DataFrame。
datetime对象作为索引时是存储在DatetimeIndex对象中的。
2)时间序列特殊功能：
传入“年”或“年月”作为切片方式
传入日期范围作为切片方式
丰富的函数支持：resample(), strftime(), ……
pandas文件处理
1)数据文件常用格式：csv（以某间隔符分割数据）
2)pandas读取文件：从文件名、URL、文件对象中加载数据
read_csv默认分隔符为逗号
read_table默认分隔符为制表符
科普:excel文件是xml文件打包的文件，可以使用重命名为zip之后进行解压查看相关数据。
3.文件处理参数读参数
read_csv、read_table函数主要参数：
sep 指定分隔符，可用正则表达式如'\s+'
header=None 指定文件无列名
name 指定列名
index_col 指定某列作为索引
skip_row 指定跳过某些行
na_values 指定某些字符串表示缺失值
parse_dates 指定某些列是否被解析为日期，类型为布尔值或列表
4.文件处理写参数
写入到csv文件：to_csv函数
写入文件函数的主要参数：
sep 指定文件分隔符
na_rep 指定缺失值转换的字符串，默认为空字符串
header=False 不输出列名一行
index=False 不输出行索引一列
cols 指定输出的列，传入列表
5.支持数据格式
pandas支持的其他文件类型：
json, XML, HTML, 数据库，pickle，excel...
结束语
在使用pandas处理数据的时候，对比list(列表)的最大的改变是在内存数据的存储上进行了更改。开始着重凸显出以标签与索引为向导的数据，让处理数据更加快捷，可视化效果更好~~
最后补充一下，多看源码，pandas库的函数特别多，在处理相应问题的时候，从源码入手，里面会有很多例子~~
参考资料1:https://pandas.pydata.org/pandas-docs/stable/whatsnew/v0.25.0.html
参考资料2:https://pandas.pydata.org/