Pandas

5.1pandas介绍

1.pandas概念

开源的数据挖掘库
用于数据探索
封装matplotlib ，numpy

2.案例分析

1.创建DataFrame

pd.DataFrame（ndarray）

2创建日期

pd.date_range()
start  ---开始日期
end --结束日期
periods  ---时间跨度
freq -- 统计时间方式

3.DataFrame介绍

1.DateFrame属性

  对象.shape ----看形状
  
  对象.index --行索引
  
  对象.columns ---列索引
  
  对象.value ---获取值
  
  对象.T ---转置
  
  对象.head() --- 查看前几行
  
  对象.tail() --后几行

2.dataframe设置索引

1.修改行列索引
  	必须整行或者整列去修改
2.重设索引
  	对象.reset_index()
3.设置新的索引
  	对象.set_index()
  
  如果设置索引是两个时候就是multiIndex

4.multiIndex和panel类比三维数组

1.multiIndex

对象.index
  
  对象.index.names

2.panel —已弃用

  直接没法进行查看里边的值，需要通过索引获取
  
  对象[:,:,""]

5.series – 一维数组

1.创建

- 通过ndarray创建
- 指定索引创建
- 通过字典创建

2.属性

- 对象.index
- 对象.value

5.2基本数据操作

1.索引操作

  1.直接获取 --- 先列后行
  2.loc --- 先行后列，索引值
  
  3.iloc ----先行后列，索引值的下标
  
  4.ix---先行后列，混合索引

2.赋值操作

  1.对象[""]
  
  2.对象.属性值

3.排序

1.dataframe

  对象.sort_values()
  
  	by ----按照什么排序
  
  	ascending ----升降序
  
  	对象.sort_index()
  
  	注意：by这个参数可以接收多个值，优先按照第一个索引值排序，如果相同，按照后面
  
  2.series
  
  	对象.sort_values()
  
  	对象.sort_index()

5.3DataFrame运算

1.算术运算

  直接使用方法，add sub。。。。。
  
  也可以用符号

2.逻辑运算

2.1逻辑运算符号

  	直接判断
  
  2.2逻辑计算函数
  
  对象.query() 传入字符串
  
  对象.isin()判断是否包含

3.统计运算

  对象.describe()

统计函数

sum   	Sum of values                           
mean  	Mean of values                          
median	Arithmetic median of values             
min   	Minimum                                 
max   	Maximum                                 
mode  	Mode                                    
abs   	Absolute Value                          
prod  	Product of values                       
std   	Bessel-corrected sample standard deviation
var   	Unbiased variance                       
idxmax	compute the index labels with the maximum
idxmin	compute the index labels with the minimum
mode  --众数
idxmax  ---最大值索引
idxmin --最小值索引

4.累计统计函数

函数     	作用     

cumsum 	计算前1/2/3/…/n个数的和  
cummax 	计算前1/2/3/…/n个数的最大值
cummin 	计算前1/2/3/…/n个数的最小值
cumprod	计算前1/2/3/…/n个数的积  

5.自定义运算

apply(fuc,axis=)
 	 func ---自定义函数

5.7高级处理----数据离散化

1.什么是数据离散化

把一些数据分到某个区间，最后用不同符号，活或者数字表达

2.数据离散化api

pd.qcut() ----把数据大致分为数量相等的几类

pd.cut() ---指定分组几个

数量统计

对象.value_counts()

3.one-hot编码

就是把数据转换成0,1统计类型

别名：哑变量，热独编码

api：

pd.get_dummies()

5.8高级处理 --合并

pd.concat()

axis=

pd.merge()

left -- 左表

right --右表

on --指定键

how --按照什么方式拼接

5.9交叉表与透视表

1.什么是交叉表，透视表

就是探索亮列数据之间的关系

2.pd.crosstable()

返回具体的数量

3.对象.piovt_table()

返回一个百分占比

5.10高级处理-分组与聚合

1.api

对象.groupby()

参数：as_index -- 是否进行索引

注意：可以对数据多次分组，需要里面传递一个列表