前言

pandas主要分为如下几个阶段：

1. 表格数据操作：增删改查
2. 实现多个表格的处理
3. 数据清洗操作：缺失值、重复值、异常值、数据标准化、数据转换的操作；
4. 实现所有的excel的特殊操作：生成透视表，交叉表；
5. 完成统计分析；

首先，导入相应模块

import pandas as pd
import numpy as np

一、构建dataframe

dataframe是一种表格型数据结构，拥有axis=0，axis=1（），所以dataframe类型肯定是二维的

• 方法一：

df = pd.DataFrame(data=[['ss',20,'男','0831'],['zs',22,'男','0831'],['lh',21,'女','0831']], index=['a','b','c'], columns=['name','age','gender','class'])

说明：

1. index：行索引，可以不写
2. columns：列索引，必须得写
3. data：数据

• 方法二：

pd.DataFrame(data={
    'name':['ss','zs','lh'],
    'age':[20,22,21],
    'gender':['男','男','女'],
    'class':['0831','0831','0831']
})

生成的表格：

	age	class	gender	name
0	20	0831	男	ss
1	22	0831	男	zs
2	21	0831	女	lh

二、dataframe属性

1.结构

print('结构：',df.shape)

结构： (3, 4)

2.维度

print(df.ndim)

2

3.元素个数

print(df.size)

12

4.元素类型

print(df.dtypes)

name      object
age        int64
gender    object
class     object
dtype: object

5.查看列索引

print(df.columns)

Index(['name', 'age', 'gender', 'class'], dtype='object')

6.查看行索引

print(df.index)

Index(['a', 'b', 'c'], dtype='object')

7.查看数据

print(df.values)
print(type(df.values))  #<class 'numpy.ndarray'>

[['ss' 20 '男' '0831']
 ['zs' 22 '男' '0831']
 ['lh' 21 '女' '0831']]
<class 'numpy.ndarray'>

三、元素操作

1、dataframe查找

（1） 一维切片

df['name']
# 切完是一维的，返回的是series类型，仅限于一列值的查找

（2） 二维切片

df[['name']]
# 切完是二维的，返回的是dataframe类型

输出结果：仅有一列值的表格

	name
a	ss
b	zs
c	lh

（3）索引切片：

语法：df.loc [ 行索引名称/条件，列的索引名称 ]

# df.loc['a','name']
df.loc['a',:]  # 返回一维series类型
df.loc[['a','b'],'name']  # 行（列）其中一个传入列表，返回一维series类型

输出：

a    ss
b    zs
Name: name, dtype: object

行（列）两个都传入列表类型，返回二维dataframe类型

print(df.loc[['a','b'],['name','age']])  

输出：

  name  age
a   ss   20
b   zs   22

（4）条件切片

使用mask，生成bool值表格，根据布尔值取值

# 获取所有年龄大于18岁的同学
mask = df['age']>18
print(mask)
df.loc[mask,'name']
df.loc[mask,['name','class']]

布尔值mask表格：

a    True
b    True
c    True
Name: age, dtype: bool

根据mask取出的表格：

	name	class
a	ss	0831
b	zs	0831
c	lh	0831

例2：
mask可以联合使用，使用逻辑符进行连接

# 获取所有年龄大于18岁的女同学
mask1 = df['age']>18
mask2 = df['gender'] == '女'
mask = mask1 & mask2  # 位运算符（&：且；|：或）
df.loc[mask,:]

	name	age	gender	class
c	lh	21	女	0831

（5）索引切片

df.iloc[行的位置索引，列的位置索引]

# df.iloc[:2,2:]  # 前闭后开
df.iloc[-1,:].index

Index(['name', 'age', 'gender', 'class'], dtype='object')

2、dataframe增加方法

（1）添加一列

# 分别给每一个元素添加address
df['address'] = ['北京','上海','北京']
print(df)

输出：

  name  age gender class address
a   ss   20      男  0831      北京
b   zs   22      男  0831      上海
c   lh   21      女  0831      北京

当给一个值时，可将所有元素的address改为同一个值

df['address'] = '北京'
print(df)

输出：

  name  age gender class address
a   ss   20      男  0831      北京
b   zs   22      男  0831      北京
c   lh   21      女  0831      北京

（2）添加一行

使用append方法

df_mini = pd.DataFrame(data={
    'name':['ss','zs','lh'],
    'age':[20,22,21],
    'gender':['男','男','女'],
    'class':['0831','0831','0831']})
# df.append(df_mini)
df2 = df.append(df_mini,ignore_index=True)

说明：

1. ignore_index=True：表示忽略原始索引，重新设置索引
2. 添加时，原始表格不会变化，返回一个合并后的表格

3、dataframe删除方法

语法：df.drop(labels, axis=0, level=None, inplace=False, errors=‘raise’)
说明：

1. labels：删除的哪一行（列），使用索引
2. axis：删行（列）
3. inplace：False默认不修改原表，True表示修改原表

# 删除某些列
df2.drop(labels=['address','class'],axis=1)

返回删除之后的表格

	age	gender	name
0	20	男	ss
1	22	男	zs
2	21	女	lh
3	20	男	ss
4	22	男	zs
5	21	女	lh

# 删除某些行
df2.drop(labels = [0,1,2],axis=0)

删除行还是列，根据axis决定

	address	age	class	gender	name
3	NaN	20	0831	男	ss
4	NaN	22	0831	男	zs
5	NaN	21	0831	女	lh

4、dataframe更该数值方法

# 例：将名字为‘lh’的人的班级改为‘有问题’
df.loc[df['name']=='lh','class'] = '有问题'
print(df)

输出：

  name  age gender class address
a   ss   20      男  0831      北京
b   zs   22      男  0831      北京
c   lh   21      女   有问题      北京