[Python知识库]pandas-创建和数据选取

• pandas经常和其它?具?同使?，如数值计算?具NumPy和SciPy，分析库statsmodels和scikit-learn，和数据可视化库matplotlib。
• pandas是基于NumPy数组构建的，特别是基于数组的函数和不使?for循环的数据处理。
• 虽然pandas采?了?量的NumPy编码?格，但?者最?的不同是pandas是专?为处理表格和混杂数据设计的。?NumPy更适合处理统?的数值数组数据。
• 要使?pandas，你?先就得熟悉它的两个主要数据结构：Series和DataFrame。
• Series:?种类似于?维数组的对象，它由?组数据（各种NumPy数据类型）以及?组与之相关的数据标签（即索引）组成。

import pandas as pd
import numpy as np

# 仅由?组数据即可产?最简单的Series.
obj = pd.Series([4, 7, -5, 3])
print(obj)
# 可以通过Series 的values和index属性获取其数组表示形式和索引对象
print(obj.values)
print(obj.index)

import pandas as pd
import numpy as np


# 索引指定
obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a','w'])
print(obj2)

#数据选取：通过索引的?式选取Series中的单个或?组值
print(obj2['a'])
print(obj2[['c', 'a', 'd']])
print(obj2[obj2 > 0])
print(obj2 * 2)
print(np.exp(obj2))
print('b' in obj2)
print('e' in obj2)

obj2['d'] = 6
print(obj2)

import pandas as pd
import numpy as np


# 通过字典来创建Series：
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000}
obj3 = pd.Series(sdata)
print(obj3)

# pandas的isnull和notnull函数可?于检测缺失数据：
print(pd.isnull(obj3))
print(pd.notnull(obj3))
# Series也有类似的实例?法
print(obj3.isnull())