前言：本博文摘抄自中國慕課大學上的課程《Python數據分析與展示》，推薦剛入門的同學去學習，這是非常好的入門視頻。
繼續一個新的庫，Pandas庫。Pandas庫圍繞Series類型和DataFrame類型這兩種數據結構，提供了一種高效便捷的數據處理方式。
- Series 類型創建
Series類型是一組數據及與之相關的數據索引組成
自動索引：
a = pd.Series([9, 8, 7, 6]) 構造一個Series對象a
自定義索引：
a = pd.Series([9, 8, 7, 6], index = [‘a’, ‘b’, ‘c’, ‘d’])
- 從標量值創建：
s = pd.Series(25, index = [‘a’, ‘b’, ‘c’])
- 從字典類型創建：
鍵值對中的鍵是索引
d = pd.Series({‘a’:9, ‘b’:8, ‘c’:7})
- 從ndarray類型創建：
- Series類型基本操作
- ,index 獲得索引 .values 獲得數據
Series類型會自動生成默認索引，當自動索引和自定義索引並存，全當自定義索引。
只索引，得到值。做切片，得到還是Series類型數據。
in ： 判斷“鍵”是否在字段中 返回 True / False
b.get(‘f’, 100) 獲取b的索引為‘f’的數據，若不存在，返回100
Series類型對齊操作
索引一致的，對應元素相加，無一致的索引，數據為NaN
Series類型的name屬性
- DataFrame類型創建
DataFrame是表格型類，可理解為二維代表簽數據類型， 其由共用相同索引的一組列組成： index（axis=0），colum（axis=1）
從ndarray創建DataFrame類型
d= pd.DataFrame(np.arange(10).reshape(2,5))
從字典創建DataFrame類型
字典中的鍵，默認為列索引；
只選取字典中有的索引所對應的值，沒有的自動補齊
從列表創建DataFrame類型
d[‘one’] 獲得新的DataFrame類型
d.ix[‘b’] 獲得d的 b這一列
d[‘one’][‘b’] 獲得 數據 2 注意：必須先[‘one’]后[‘b’]，先列后行
- Pandas數據類型操作
重新索引
reindex(index=None, columns=None,…)方法 可改變或重排Series和DataFrame索引
reindex(index=None, columns=None,…)
index, colums 新的行列自定義索引
fill_value 在重新索引，用於填充缺失位置的值
method 填充方法，ffill當前值向前填充， bfill向后填充
limit 最大填充量
copy 默認為True，生成新的對象，False時，新舊相等，但不復制
d.reindex(index = [‘d’, ‘c’, ‘b’, ‘a’ ])
d.reindex(colums = [‘two’, ‘one’])
newc = d.colums.insert( 4, ‘新增’) newc為一個colums
- 索引類型常用方法
.append(idx) 連接另外一個Index對象，產生新的Index對象
.diff(idx) 計算差集，產生新的Index對象
.intersection（idx） 計算交集，產生新對象
.union（idx） 計算並集
.delete（loc） 刪除loc位置處的元素
.insert（loc, e） 在loc位置增加一各元素e
刪除指定索引對象
.drop()可刪除Series或DataFrame制定的行或列
d.drop([‘c1’, ‘c2’]) # 此處生成新對象，原對象d不改變
d.drop(‘one’,axis=1) 要刪除列，需要加上axis = 1.
- Pandas庫數據類型運算
算術運算法則
根據行列索引進行運算，補齊（NaN）后運算，運算默認產生浮點數
二維和一維、一維和零維時，采用廣播運算，即低的於高的每一維運算
算術運算方法形式的運算
.add(d, **argws) .sub(d, **argws) .mul(d, **argws) .div(d, **argws)
**argws為可選參數：
fill_value，補齊時填充的值；
廣播運算時，一維的列默認作用到二維的行（axis=1），要更改到列，則需要增加參數
a.add(b, axis=0 )
比較運算
同維度需要有相同的shape
不同維度時，默認為在1軸運算
- 數據排序
.sort_index()方法在指定軸上根據索引進行排序，默認升序。
.sort_index（axis=0,ascending = True） ascending是指遞增排序
.sort_values()方法在指定軸上根據數值進行排序，默認升序。
Serier.sort_values(axis= 0, ascending=True)
DataFrame.sort_values(by, axis = 0, ascending = True)
by: 只對axis軸上的某個 索引 或 索引列表 進行排序
NaN空值，保持在排序末尾
- Pandas統計分析函數
.sum() 計算數據總和，按0軸計算
.count() 非NaN值的數量
.mean() .median() 計算算術平均值、算術中位數
.var() .var() 計算方差、標准差
.min() .max 計算最小、大值
.argmin() .argmax() 計算最大、小值所在位置的索引（針對自動索引的）（適用於Series類型：）
.idxmin() .idxmax() 計算最大、小值所在位置的索引（針對自定義索引的）（適用於Series類型：）
.describe() 針對0軸（各列）的統計匯總
- 數據的相關性
.cov() 計算協方差矩陣
.corr() 計算相關系數矩陣
