#encoding=utf-8
import numpy as np
import pandas as pd



def main():
        #Data structure
        s=pd.Series([i*2 for i in range(1,11)])
        print(type(s))
        dates=pd.date_range('20170301',periods=8)
        df=pd.DataFrame(np.random.randn(8,5),index=dates,columns=list('ABCDE'))
        print(df)


if __name__ == '__main__':
        main()

import pandas as pd

Series是pandas中基础的数据结构

date_range('20200202',periods=8)依次生成8天，天数作为主键，行标签

DataFrame(数据,index主键也就是行标签,colums也就是列标签)

类似excel

pandas总体框架

def main():
    # Data Structure
    s=pd.Series([i*2 for i in range(1,11)])
    print(type(s))
    dates=pd.date_range("20170301",periods=8)
    df=pd.DataFrame(np.random.rand(8,5),index=dates,columns=list("ABCDE"))
    print(df)
    df = pd.DataFrame({"A": 1, "B": pd.Timestamp("20170301"), "C": pd.Series(1, index=list(range(4)), dtype="float32"),
                       "D": np.array([3]*4, dtype="float32"), "E": pd.Categorical(["police", "student", "teacher", "doctor"])})
    print(df)

s=pd.Series([i*2 for i in range(1,11)])
print(type(s))
dates=pd.date_range("20170301",periods=8)
df=pd.DataFrame(np.random.randn(8,5),index=dates,columns=list("abcde"))

数据结构1

df = pd.DataFrame({"A":1,"B":pd.Timestamp("20170301"),"C":pd.Series(1,index=list(range(4）),dtype="float32","D":np.array([3]*4,dtype="float32"),"E":pd.Categorical(["police","student","teacher","doctor"])})

#定义时间序列
s = pd.Series([i*2 for i in range(1,11)])

dates = pd.date_range("20170301",periods=8) #从20170301开始的8天
#第一种定义表的方式：8行5列，索引值（行名）是dates，属性值（列名）是A~E
df = pd.DataFrame(np.random.randn(8,5),index=dates,columns=list("ABCDE"))

#第二种定义表的方式：
df.DataFrame({"A":1,"B":pd.Timestamp("20170301"),"C":pd.Series(1,index=list(range(4)),dtype="float32"),\
"D":np.array([3]*4,dtype="float32"),"E":pd.Categorical(["police","student","teacher","doctor"])})

print(df.head(3)) #打印前三行
print(df.tail(3)) #打印后三行
print(df.index)
print(df.values) #打印结果是数组
print(df.T) #索引和属性互换
print(df.sort(columns="C"))
print(df.sort_index(axis=1,ascending=False)) #对列索引（axis=1-->属性值）进行降序排序
print(df.describe()) #打印出count、mean、std、min、max、25%、50%、75%

#切片
print(df["A"]) #A列
print(df[:3]) #前三行
print(df["20170301":"20170304"])
print(df.loc[dates[0]])
print(df.loc["20170301":"20170304",["B","D"]])
print(df.at[dates[0],"C"])
print(df.iloc[1:3,2:4])
print(df.iloc[1,4])
print(df.iat[1,4])
print(df[df.B>0][df.A<0])
print(df[df>0]) #小于0的返回NaN
print(df[df["E"].isin([1,2])])

#设置
s1 = pd.Series(list(range(10,18)),index=pd.date_range("20170301",periods=8))
df["F"] = s1
df.at[dates[0],"A"]=0
df.loc[:,"D"] = np.array([4]*len(df))

#拷贝
df2 = df.copy()
df2[df2>0] = -df2
print(df2)

#缺失值处理
df1 = df.reindex(index=dates[:4],columns=list("ABCD")+["G"])
df1.loc[dates[0]:dates[1],"G"] = 1
print(df1.dropna()) #删除缺失值所在行
print(df1.fillna(value=2)) #缺失值填充2

#统计指标
print(df.mean()) #每列的平均值
print(df.var())
s = pd.Series([1,2,3,np.nan,5,7,9,10],index=dates)
print(s.shift(2)) #所有值后移两位，前两位补NaN，多的值删除
print(s.diff()) #不填表示一阶，填的数字表示多阶
print(s.calue_counts()) #每个值出现的次数
print(df.apply(np.cumsum))
print(df.apply(lambda x:x,max()-min()))

#表的拼接
pieces = [df[:3],df[-3:]]
left = pd.DataFrame({"key":["x","y"],"value":[1,2]})
right = pd.DataFrame({"key":["x","z"],"value":[3,4]})
print(pd.merge(left,right,on="key",how="left")) #how="inner":所有缺失值都删掉;"outer"所有缺失值都保留
df3 = pd.DataFrame({"A":["a","b","c","b"],"B":list(range(4))})
print(df3.groupby("A").sum()) #将A列每种属性值求和