概述

這篇將介紹Series和DataFrame公有的一些重要的基礎(chǔ)功能知識點(diǎn)。

重新索引排列

重新索引排列是指：可以將索引重新排列，若給出的新索引在舊索引中不存在時(shí)，會(huì)引入缺失值NaN。

重新索引排列不會(huì)改變原來的對象，而是會(huì)生成一個(gè)重新排列索引的對象。

使用Series和DataFrame的reindex()方法即可。

Series

有時(shí)重新排列時(shí)，若新增一個(gè)之前沒有的索引時(shí)值會(huì)自動(dòng)填充NaN，若不想填充NaN，可以使用參數(shù)method= ‘ffill’，這時(shí)填充值會(huì)跟前面的值一樣

同時(shí)也可以使用參數(shù) fill_value 來自己指定值，如下

DataFrame

DataFrame也是一樣的，若不指定，默認(rèn)是重新排列行，若指定列，也可重新排序列。

import pandas as pd

info = {
    'name' : ['zarten_1', 'zarten_2', 'zarten_3'],
    'age' : [18, 19, 20]
}

zarten_df = pd.DataFrame(info)

若需要重新排序列，只需指定參數(shù)columns即可

刪除指定索引

刪除指定的一個(gè)或多個(gè)索引及其對應(yīng)的值，使用drop()方法，默認(rèn)是產(chǎn)生一個(gè)新的對象，不會(huì)改變原有對象。

刪除多個(gè)索引時(shí)傳入一個(gè)列表

注意：若指定的索引不存在時(shí)，會(huì)報(bào)錯(cuò)

Series

上面使用drop后都會(huì)產(chǎn)生一個(gè)新的對象，不會(huì)改變原對象。若想直接在原對象上進(jìn)行刪除，可以使用參數(shù) inplace= True （慎用?。。。?br>

DataFrame

同樣，默認(rèn)是刪除行，若要?jiǎng)h除列索引及值，使用axis參數(shù)，axis默認(rèn)為0代表行，1代表列

import pandas as pd

info = {
    'name' : ['zarten_1', 'zarten_2', 'zarten_3'],
    'age' : [18, 19, 20]
}

zarten_df = pd.DataFrame(info)

相同數(shù)據(jù)結(jié)構(gòu)間的算術(shù)運(yùn)算

相同的數(shù)據(jù)結(jié)構(gòu)（Series和DataFrame）間的算術(shù)運(yùn)算，跟并集的思想類似，也就是沒有對應(yīng)的索引時(shí)，會(huì)自動(dòng)填充NaN

Series

若想填充自己指定的值時(shí)，可以使用add方法，參數(shù)fill_value

import pandas as pd

zarten_ser_1 = pd.Series([2,5,3,7])

zarten_ser_2 = pd.Series([3,3,4,4,5])

DataFrame

DataFrame數(shù)據(jù)結(jié)構(gòu)算術(shù)運(yùn)算時(shí)就比較刁鉆了，必須是行和列索引都相同時(shí)才能相加，若有一個(gè)不同就是NaN

還有其他的一些算術(shù)運(yùn)算如下圖，這里將不再闡述，大同小異

Series與DataFrame之間的運(yùn)算

這兩者間的運(yùn)算會(huì)廣播到所有元素。

若互相都沒有相同的索引時(shí)，同樣會(huì)產(chǎn)生NaN

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= ['a','b','c','d'], columns= ['x','y','z'])

zarten_ser = pd.Series([1,2,3], index= ['x','y','z'])

從上圖可以看到，DataFrame每一行都減去了Series。

更多的操作可以詳細(xì)閱讀官方文檔。

排序

索引排序：行或列索引排序，使用sort_index()函數(shù)，默認(rèn)是行索引排序，且默認(rèn)是升序

值排序：也可對值排序，使用函數(shù)sort_values()函數(shù)

Series

索引排序：

值排序：

DataFrame

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= [4,1,2,3], columns= ['z','x','y'])

索引排序：

由上圖可看到，默認(rèn)為行索引排序，若需要列索引排序，只需指定axis=1 即可

值排序：由于DataFrame是行和列組成，值排序是列的由上到下的排序，可指定一列或多列，通過by參數(shù)

也可以進(jìn)行多列排序，只需傳入?yún)?shù)by一個(gè)列表即可。根據(jù)by指定的順序優(yōu)先排列

統(tǒng)計(jì)

下面將介紹一些常用的統(tǒng)計(jì)方法

求和

使用函數(shù)sum()，默認(rèn)是每一列求和，可以通過參數(shù)axis來設(shè)置行或列，DataFrame的結(jié)果是一個(gè)Series對象

Series

DataFrame

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= [4,1,2,3], columns= ['z','x','y'])

由上圖可看到，求和默認(rèn)是每列求和，若需要每行求和，可使用參數(shù)axis= 0

還有其他參數(shù)，如：若存在NaN時(shí)，默認(rèn)結(jié)果會(huì)剔除NaN，可通過參數(shù)skipna設(shè)置。

其他參數(shù)如下圖所示：

其他統(tǒng)計(jì)方法

比如比較常用的describe()函數(shù)，一次可以統(tǒng)計(jì)出多方面的信息

由上圖看到，結(jié)果有多項(xiàng)，都是針對列而言，具體含義如下：

count : 計(jì)數(shù)（此列的總個(gè)數(shù)）

mean :平均值

std :標(biāo)準(zhǔn)差

min :最小值

25% :下四分位

50% :中位數(shù)

75% :上四分位

max :最大值

其他統(tǒng)計(jì)函數(shù)如下所示：

第三方庫統(tǒng)計(jì)工具

第三方庫：pandas-profiling

官方地址：

Python中文社區(qū)作為一個(gè)去中心化的全球技術(shù)社區(qū)，以成為全球20萬Python中文開發(fā)者的精神部落為愿景，目前覆蓋各大主流媒體和協(xié)作平臺，與阿里、騰訊、百度、微軟、亞馬遜、開源中國、CSDN等業(yè)界知名公司和技術(shù)社區(qū)建立了廣泛的聯(lián)系，擁有來自十多個(gè)國家和地區(qū)數(shù)萬名登記會(huì)員，會(huì)員來自以工信部、清華大學(xué)、北京大學(xué)、北京郵電大學(xué)、中國人民銀行、中科院、中金、華為、BAT、谷歌、微軟等為代表的政府機(jī)關(guān)、科研單位、金融機(jī)構(gòu)以及海內(nèi)外知名公司，全平臺近20萬開發(fā)者關(guān)注。