Pandas基础 - 自创

pandas 基础

Pandas的基本属性

Pandas的基本属性

1.import pandas as pd #先导入数据pandas 库
import numpy as np #导入数据numpy 库
Pandas基础 - 自创

2.爬虫：
import requests
url =“http://…”
header={" "}
response = requests.get(url, headers=header)
html=response.text
pd.read_json(html)[[“列1，列2”]]
Pandas基础 - 自创

4.From pandas import Series,DataFrame #导入series及DataFrame
Pandas基础 - 自创

5.type(s) # 查看s 类型
Pandas基础 - 自创

Pandas中的索引与切片

我们以a = Series([4,5,6,7],index = [“a”,“b”,“c”,“d”]) 创造数组：

a,b,c,d,为索引；
a[“b”] 指a的b列；a.b sql 也有这种方法；a.get(“b”) series 特有的get()； a[1] 切片第二个值；pandas中用索引找对应的值4种方式
两种a[ ]切片对比： a[[“b”]] 2个括号是序列：索引+值，a[“b”] 一个中括号是索引切的值。
a[“b”:“d”] 与a[“b”,“d”] 与excel中的counta(a:b) 和counta(a,b) 相似，但是提多列时加[ ]。
查看a中第一个索引；查看a>3 所有的序列
改变索引，也可以用a.index=[0,1,2,3] 直接在原数据上改。
条件判断，筛选a中大于3 的值，返回的是布尔值，也可以对大于3的值求和。
np中有exp 表示以e为底，的3,4,5,6次方。
判断a中是否有空值,返回的是布尔值，是可以运算求和的。
将a中的列表，改成dataframe 表格形式，如果在之前没有导入datafame,series ，可以用b = pd.Dateframe代替。

DataFrame 的格式

原型由Series/列表构造，但是Series 是没有columns 的（图1），只能用DataFrame里的(图2)。
图1

图2
另外一种书写方法：“c” 与 “a” 中表示列名= columns 。
{{ }} 2个花括号表示二维数组，[[ ]] 表示二维列表，2015，2016，2017表示行的序列；

Pandas 的查看与读写

把b 写入out1.csv 中,以"，" 为分隔符，header 标题带不带进去，查看写进入之后的结果，用pd.read_csv查看。
所有pd所支持查看的read 形式,主要有 csv,excel,html,json,sas,spss,sql,table 。
重置索引，只有在np 的格式下，将arange换成由1到N 的索引值，直接改变了原数据的索引。
pd.read_csv 直接读取数据，将在python 里的文件路径放进去，非本盘加r。