《Python与数据分析应用》课件——第10章 数据分析工具Pandas.pptxVIP

;;;;Pandas中有两个主要的数据结构：Series和DataFrame。;Series是一个类似一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成。;Pandas的Series类对象可以使用以下构造方法创建：;通过传入一个列表来创建一个Series类对象：;除了使用列表构建Series类对象外，还可以使用dict进行构建。;为了能方便地操作Series对象中的索引和数据，所以该对象提供了两个属性index和values分别进行获取。;当然，我们也可以直接使用索引来获取数据。;当某个索引对应的数据进行运算以后，其运算的结果会替换原数据，仍然与这个索引保持着对应的关系。;DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据可以是不同的数据类型。;Pandas的DataFrame类对象可以使用以下构造方法创建：;通过传入数组来创建DataFrame类对象：;在创建DataFrame类对象时，如果为其指定了列索引，则DataFrame的列会按照指定索引的顺序进行排列。;我们可以使用列索引的方式来获取一列数据，返回的结果是一个Series对象。;我们还可以使用访问属性的方式来获取一列数据，返回的结果是一个Series对象。;在获取DataFrame的一列数据时，推荐使用列索引的方式完成，主要是因为在实际使用中，列索引的名称中很有可能带有一些特殊字符（如空格），这时使用“点字符”进行访问就显得不太合适了。;要想为DataFrame增加一列数据，则可以通过给列索引或者列名称赋值的方式实现。;要想删除某一列数据，则可以使用del语句实现。;;Pandas中的索引都是Index类对象，又称为索引对象，该对象是不可以进行修改的，以保障数据的安全。;;Pandas中提供了一个重要的方法是reindex()，该方法的作用是对原索引和新索引进行匹配，也就是说，新索引含有原索引的数据，而原索引数据按照新索引排序。;reindex()方法的语法格式如下：;如果不想填充为NaN，则可以使用fill_value参数来指定缺失值。;如果期望使用相邻的元素值进行填充，则可以使用method参数，该参数对应的值有多个。;Series有关索引的用法类似于NumPy数组的索引，只不过Series的索引值不只是整数。如果我们希望获取某个数据，既可以通过索引的位置来获取??也可以使用索引名称来获取。;如果使用的是位置索引进行切片，则切片结果是不包含结束位置；如果使用索引名称进行切片，则切片结果是包含结束位置的。;如果希望获取的是不连续的数据，则可以通过不连续索引来实现。;布尔型索引同样适用于Pandas，具体的用法跟数组的用法一样，将布尔型的数组索引作为模板筛选数据，返回与模板中True位置对应的元素。;DataFrame结构既包含行索引，也包含列索引。其中，行索引是通过index属性进行获取的，列索引是通过columns属性进行获取的。;虽然DataFrame操作索引能够满足基本数据查看请求，但是仍然不够灵活。为此，Pandas库中提供了操作索引的方法来访问数据，具体包括：;;Pandas执行算术运算时，会先按照索引进行对齐，对齐以后再进行相应的运算，没有对齐的位置会用NaN进行补齐。;如果希望不使用NAN填充缺失数据，则可以在调用add方法时提供fill_value参数的值，fill_value将会使用对象中存在的数据进行补充。;;Pandas中按索引排序使用的是sort_index()方法，该方法可以用行索引或者列索引进行排序。;按索引对Series进行分别排序，示例如下。;按索引对DataFrame进行分别排序，示例如下。;Pandas中用来按值排序的方法为sort_values()，该方法的语法格式如下。;按值的大小对Series进行排序的示例如下：;在DataFrame中，sort_values()方法可以根据一个或多个列中的值进行排序，但是需要在排序时，将一个或多个列的索引传递给by参数才行。;;;如果希望一次性输出多个统计指标，则我们可以调用describe()方法实现，语法格式如下。;;思考：

什么是层次化索引？;前面所涉及的Pandas对象都只有一层索引结构，又称为单层索引，层次化索引可以理解为单层索引的延伸，即在一个轴方向上具有多层索引。;对于两层索引结构来说，它可以分为内层索引和外层索引。;Series和DataFrame均可以实现层次化索引，最常见的方式是在构造方法的index参数中传入一个嵌套列表。;;还可以通过MultiIndex类的方法构建一个层次化索引，该类提供了3种创建层次化索引的方法：;from_tuples()方法可以将包含若干个元组的列表转换为MultiIndex对象