1 重新生成索引 如果某個索引值不存在就引入缺失值
1 from pandas import Series,DataFrame 2 import pandas as pd 3 import numpy as np 4 obj=Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c']) 5 obj 6 7 #重新生成索引 8 obj2=obj.reindex(['a','b','c','d','e']) 9 obj2
a使用method的ffill可以實現前向值填充，效果如下
1 #前向填充 2 obj3=Series(['blue','purple','yellow'],index=[0,2,4]) 3 obj3.reindex(range(6),method='ffill')
b:對於dataframe使用reindex可以同時修改行列索引，如果僅傳入一個序列那么如下
1 frame=DataFrame(np.arange(9).reshape((3,3)),index=['a','c','d'], 2 columns=['ohio','Texas','california']) 3 frame
1 frame2=frame.reindex(['a','b','c','d']) 2 frame2
c：使用colunms重新索引列
1 states=['Texax','Utah','california'] 2 frame.reindex(columns=states)
d:同時插入行列，但是插值只能按行應用
1 #同時對行 列進行重新索引 而插值只能引用到行 2 frame.reindex(index=['a','b','c','d'],method='ffill', 3 columns=states)
reindex的參數說明如下：
2 丟棄制定軸上的項
a:drop方法返回一個指定軸上刪除了指定值的新對象，刪除列c
1 #丟棄指定軸的項 2 obj=Series(np.arange(5.),index=['a','b','c','d','e']) 3 new_obj=obj.drop('c') 4 new_obj
b：刪除兩個 b c
obj.drop(['d','c'])
c：對於dataframe可以刪除任意軸上的索引
1 #對於DataFrame可以刪除任意軸的索引 2 data = DataFrame(np.arange(16).reshape((4,4)), 3 index=['ohio','colorado','utah','new york'], 4 columns=['one','two','three','four']) 5 #刪除兩個 6 data.drop(['colorado','ohio'])
3 索引，選取和過濾
a:Series中的索引類似與Numpy，但是不只是整數，索引字符
1 obj=Series(np.arange(4.),index=['a','b','c','d']) 2 obj['b']#1.0
b：按照整數，范圍
1 obj[1]#1.0 2 obj[2:4]# 2 3
c：利用標簽的切片運算和普通depython切片不同，其包含末端
1 obj['b':'c']#b c 1 2
d：那么對dataframe進行索引就是獲取一個或者多個列勒
1 data=DataFrame(np.arange(16).reshape(4,4), 2 index=['ohio','colorado','mike','jason'], 3 columns=['one','two','three','four']) 4 data
e：選擇一列
data['two']#輸出第二列+行號 也就是索引
f：選擇多列
1 data[['three','one']]
g：選取行標簽前兩行
data[:2]#選取的是前面兩行
h：選取第三列大於5的值
data[data['three']>5]
i：為了能在dataframe的行上進行標簽索引引入字段ix
data.ix['colorado',['two','three']]
j：選取第4 1 2列 而且行為colorado jason
data.ix[['colorado','jason'],[3,0,1]]
k：輸出行mike
data.ix[2]
DataFrame索引總結
4 算數運算和數據對齊
a:Series的加法
1 s1=Series([7.3,-2.5,3.4,1.5],index=['a','c','d','e']) 2 s2=Series([-2.1,3.6,-1.5,4,3.1],index=['a','c','e','f','g'])
3 s1+s2
b:對於dataframe，對齊會同時發生在行 列中
df1=DataFrame(np.arange(9.).reshape((3,3)),columns=list('bcd'), index=['utah','ohio','colorado']) df2=DataFrame(np.arange(12.).reshape((4,3)),columns=list('bde'), index=['utah','ohio','colorado','oragen'])
df1+df2
------>索引和列都為其並集
c：在算術方法中填充值。比如說兩個dataframe相加，其中一個不在的時候填充為0
1 #算術中進行填充 2 df1=DataFrame(np.arange(12.).reshape((3,4)),columns=list('abcd')) 3 df2=DataFrame(np.arange(20.).reshape((4,5)),columns=list('abcde')) 4 df1+df2
#使用df1的add方法 傳入df2以及一個fill_value參數 df1.add(df2,fill_value=0)
5 DataFrame和Series之間的運算----->廣播，也就是如果第一個數值-1，那么這個列都會減1
a：看一看一個二維數組和一行之間的差
arr=np.arange(12.).reshape((3,4))
arr[0]
arr-arr[0]
b:frame和series的運算
frame=DataFrame(np.arange(12.).reshape((4,3)),columns=list('bde'), index=['utah','ohio','texas','orogen']) series=frame.ix[0]
frame-series
好了，加油騷年！！！！