前言

        等到了我们学校的数据挖掘课程，就从最简单的pandas开始记录我的数据挖掘学习历程吧！希望这份手册能在之后需要的时候帮助到大家。

---

pandas使用手册

第一部分：series基础

操作参考：

创建series

取一个元素

取多个元素

赋值

Series间的计算

Series函数的使用

使用apply

练习题：

第二部分：dataframe基础 

操作参考：

创建DataFrame

查看DataFrame信息

取一个列成一个series

取多个列成一个DataFrame

条件读取

取出一行成为series

赋值

groupby操作

使用apply

生成一列series数据的便捷方法： 

练习题：

第三部分：dataframe绘图

操作参考：

条件删除行

直方图

散点图 

箱型图

---

series基础

操作参考：

创建series

>>> ser2 = Series(range(4),index = ["a","b","c","d"])

取一个元素

>>> ser2["a"]>>> ser2[1]

取多个元素

>>> ser2[1:3]>>> ser2[['a', 'c']]

赋值

>>> ser2["a"] = 7      #赋一个值>>> ser2[1:3] = 10     #批量赋值>>> ser2[['a', 'c']] = [9, 8]

Series间的计算

>>> print(a + b)   >>> print(a * 2)>>> print(a >= 3)   #产生true false的新series>>> print(a[a >= 3])  #取出true false series的对应的值成series，相当于where条件

Series函数的使用

>>> print(a.mean()) #均值>>> print(a.sum()) #求和

使用apply

>>> print(a.apply(lambda x:x**2))  #全部平方

练习题：

创建一个6个元素的Series， 值是[4,5,6,7,8,9]， index是 ‘a’到 ‘f’两种方法取ser的第二个元素求ser的平均值和中位数找到ser中所有偶数：包含判断以及取数两部分将ser中所有偶数，改成10,12,14将ser中所有偶数，改成2将ser中所有偶数，翻倍将ser应用自定义函数，当数字是奇数，翻倍；当数字是偶数，除以2

dataframe基础 

操作参考：

创建DataFrame

>>> df = pd.DataFrame([[1,2,3], [6,7,8]],columns= ["a","b","c"])>>> df = pd.DataFrame({'country':['aaa','bbb','ccc'], 'population':[10,12,14]})>>> df = pd.read_csv("yours.csv")

查看DataFrame信息

>>>df.info()>>>df.index>>>df.columns>>>df.dtypes>>>df.values

取一个列成一个series

>>> df["a"]>>> df.loc[:, 'a']

取多个列成一个DataFrame

>>> df[["a","c"]]>>> df.loc[[1,2], ['a']]  #只取两行a列

条件读取

>>> df[df['a'] > 3]>>> df[(df['a'] > 3) & (df['b']< 8)]

取出一行成为series

>>> df.iloc[0]

赋值

>>>df['a'] = [1,2,3]  #注意行数一致  >>>df[['a', 'c']] = 8   #若要取指定行，需要用loc或iloc>>>df.loc[:, 'd'] = df.loc[:, 'b']    #将b列赋值到新的d列>>>df.loc[df['b'] < 3, 'c'] =  df.loc[df['b'] < 3,'d'] #将b<3 的d列赋值到c列 注意两边的条件要一样，才能满足索引一致的要求，否则赋值越界

groupby操作

>>> df = pd.DataFrame({'key':['A','B','C','A','B','C','A','B','C'],'data':[0,5,10,5,10,15,10,15,20]})>>> df.groupby('key').sum()  #按key成组，每组所有列求和>>> df.groupby('key')['data'].mean()   #按key成组，每组求均值，取data列的聚合结果series>>> for key, gdata in df.groupby('Sex'):     #gdata是一个DataFrame>>>print(key, gdata.values)   

使用apply

>>>def my_min(a, b):   #先定义函数            return min(abs(a),abs(b))>>>df1['k'] = df.apply(lambda row: my_min(row['val_1'], row['val_2']), axis=1)    #使用匿名函数传每行的特定列， 返回一个series 再赋值到k列，注意axis=1、

生成一列series数据的便捷方法： 

>>> df['val_1'] = df['value'].diff(k)     #同列逐行向上/下相减>>> df['val_2'] = df[''value'].shift(k)   #所有行向上/下移动k位

练习题：

读取天气的数据文件weather.csv用apply实现一列rain = rain08+rain20；若一边存在999990，则返回999990按station补前一天日期： 按station分组，每组内部，使用shift方法将前一天的数据移动到今天按城市补全rain08: 按city分组，将同一天内rain08中999990的值，替换成同城所有station的rain08的非999990的 均值，如果都缺失则补0;

dataframe绘图

操作参考：

条件删除行

df = df.drop( df[ ( df['value'] < 50) & ( df['value'] > 20)].index)

其中drop传入的是 df条件取出的的index

直方图

df['temperature'].plot.hist( bins = 20)

散点图 

df.plot.scatter(x = 'humidity', y = 'temperature')

箱型图

df[['temperature', 'humidity']].plot.box()