pandas学习

.Seris是一个一维数组对象，可以有不同的数组类型，与numpy的一维array不同的是除了包含一组数据还包含一组索引。

import numpy as np
import pandas as pd
a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
print(a)
print(b)


输出：
0    1
1    2
2    3
3    4
4    5
5    6
6    7
7    8
8    9
dtype: int32
0      6
1     dd
2      9
3    ffc
dtype: object

可以看到，返回了数据类型：object(对象)

可以指定索引的数据类型，如可以指定索引为大写字母，index为内置属性

import numpy as np
import pandas as pd
import string
a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
c = pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
#print(a)
#print(b)
print(c)


输出：
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int32

Process finished with exit code 0

通过字典推导式生成字典，再用Series生成数组，注意字典的键就是索引，且Series()函数没有返回值，原地 *** 作字典，需要重新赋值给其他变量，如下所示

a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
c = pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
d = {string.ascii_uppercase[i]:i for i in range(10)}#字典推导式生成字典
pd.Series(d)
#e = pd.Series(d)

#print(a)
#print(b)
#print(c)
print(d)

输出：
{'A': 0, 'B': 1, 'C': 2, 'D': 3, 'E': 4, 'F': 5, 'G': 6, 'H': 7, 'I': 8, 'J': 9}

import numpy as np
import pandas as pd
import string
a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
c = pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
d = {string.ascii_uppercase[i]:i for i in range(10)}#字典推导式生成字典
#pd.Series(d)
e = pd.Series(d)

#print(a)
#print(b)
#print(c)
#print(d)
print(e)

输出：
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int64

若重新指定索引

import numpy as np
import pandas as pd
import string
a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
c = pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
d = {string.ascii_uppercase[i]:i for i in range(10)}#字典推导式生成字典
#pd.Series(d)
#e = pd.Series(d)
f = pd.Series(d,index=list(string.ascii_uppercase[5:15]))

输出：
F    5.0
G    6.0
H    7.0
I    8.0
J    9.0
K    NaN
L    NaN
M    NaN
N    NaN
O    NaN
dtype: float64

出现了nan值，且数据类型变为字符型。因为若重新指定其他索引，能够对应上原来的值则取其值，对应不上则为nan，可以看到F之前的值都没了，J之后为nan，类型变为float是因为nan，在numpy中nan为float，pandas会根据数据类型改成统一的数据类型。修改dtype和numpy一样，调用内置属性astype（）即可，f.astype(int).切片和索引则和numpy一样，切片：传入参数（start:end:stride),索引则是传入序号。

2.访问Serise索引和值

import numpy as np
import pandas as pd
import string
a = pd.Series(np.arange(1,10))
b = pd.Series([6,"dd",9,"ffc"])
c = pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
print(c.index)
print(c.values)
print(type(c.index))

输出：
Index(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], dtype='object')
[0 1 2 3 4 5 6 7 8 9]

c.index，内置属性，无需传参，打印即可。

3.pd.read_csv("./dogNames2.csv",header=None)读取csv文件

4.读取mongodb数据库，还不懂咋用，先做个记录

5.pandas的DataFrame

Series是一维带索引的数组，而DataFrame则是二维，Series的容器，帧，有宽和高，顾名思义，i名字起得不错

#coding = uft-8
import numpy as np
import pandas as pd
a = pd.DataFrame(np.arange(12).reshape(3,4))
print(type(a))
print(a)

输出：

   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

可以看到，我们规定了形状（3，4）之后，DataFrame对象既有行索引，又有列的索引

行索引，表明不同行，横向索引，叫index，0轴，axis=0;列索引，表明不同列，纵向索引，叫columns，1轴，axis=1。个人认为axis这个参数很重要，以后肯定还会遇到，axis=0表示行，axis=1表示列。

6.pandas还有很多 *** 作，获取行列数据，索引，改变某一个值，与numpy一样，只是封装的函数不同，后面回来更。

7.split()函数：拆分字符串，通过指定分隔符对字符串进行切片，并返回分割后的字符串列表(list)

8.set，python里的组合，不允许重复，且set里的内容位置是随意的，所以不能用索引列出。可进行关系测试，删除重复数据。

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

file_path = "IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)
#pd.set_option('display.max_row', None)#显示全部行
#print(df.info()) #查看每个数据的数目
pd.set_option('display.max_columns', None)#显示全部列
print(df.head(1))
print(df["Rating"].mean())
#统计导演人数
#print(len(set(df["Director"].tolist()))) #set()函数，一个不允许重复的组合，用于关系测试，删除重复数据
print(len(df["Director"].unique()))#unique函数
#获取演员人数
temp_actors_list = df["Actors"].str.split(", ").tolist()
'''
#split,分割函数，以什么样的符号分割再返回列表，再set，删除
分割符应打印出来再复制进去，不能凭主观意志
重复的，tolist是转换成列表

#此处 *** 作会生成二维列表，即嵌套列表[[]],所以下面是两个for循环
'''
print(temp_actors_list)
actors_list = [i for j in temp_actors_list for i in j]
'''
因生成二维列表，所以两个for循环可以将其转换成一维列表
[[]]变成[]，常规 *** 作
'''
print(actors_list)
#np.array(temp_actors_list).flatten()
actors_num = len(set(actors_list))
print(actors_num)
#print(a_list)

#coding=utf-8，很重要，不然可能解码错误。

9.先空置，学到再继续记录