本文实例讲述了Python数据分析pandas模块用法。分享给大家供大家参考，具体如下：

pandas

pandas10分钟入门，可以查看官网：10 minutes to pandas

也可以查看更复杂的cookbook

pandas是非常强大的数据分析包，pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包。就好比 Numpy的核心是 ndarray，pandas 围绕着 Series 和 DataFrame 两个核心数据结构展开 。Series和DataFrame 分别对应于一维的序列和二维表结构。

创建对象

常规导入方式：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
Series

Series 可以看做一个定长的有序字典，它是能够保存任何数据类型(整数，字符串，浮点数，Python对象等)的一维标记数组。

Series对象包含两个主要的属性：index 和 values。

数据可以是Python字典、 ndarray、scalar value标量值(如5)等

创建时有没有index都会设置默认下标，但是索引用的是数组时会默认使用创建时的索引

创建时还可以指定name名字属性，之后可以修改 rename

ser1 = pd.Series(range(10,15),index=list('ABCDE'))
print(ser1)
# 下标和索引等同
print(ser1['A'])
print(ser1[0])
输出：
A    10
B    11
C    12
D    13
E    14
dtype: int64
10
10

取连续多个数据时，下标取值不包含结束位置，索引切片包括结束位置

print(ser1['A':'D'])
print(ser1[0:3])
输出：
A    10
B    11
C    12
D    13
dtype: int64
A    10
B    11
C    12
dtype: int64

取多个数据、条件筛选(布尔索引)

# 注意里面是一个列表
print(ser1[[0,1,3]])
# 布尔索引
print(ser1[(ser1>12)&(ser1<15)])
DataFrame
DataFrame是二维标记数据结构。 您可以将其视为电子表格或SQL表，或Series对象。 它通常是最常用的pandans对象。 像Series一样，DataFrame接受许多不同种类的输入：
Dict of 1D ndarrays, lists, dicts, or Series
2-D numpy.ndarray
Structured or record ndarray
A Series
Another DataFrame
df1 = pd.DataFrame(np.random.randint(10,50,(3,4)), - index=list('ABC'),columns=list('abcd'))

index是行索引，colums是列索引

用字典创建时，键名就是列索引，而且键值可以为列表，会自动补齐

取单行或单列数据，取单个数据

# 列取值，取出的是一个series对象
print(df1['a'])
print(df1['a'].values)
# 取出一行数据的某一行数据，也就是单个数据
print(df1['a']['B']) # 这两个一样
print(df1['a'][1])

取不连续多列，取连续多列(默认不支持连续，需要高级索引)

# 取不连续多列
print(df1[['a','c']])
行索引，可以直接切片,但是默认不能不连续多行取值，下标同理
print('行索引取值##############')
print(df1['A':'A'])
# 取连续多行就是df1['A':'C']

高级索引(花式索引)

一般情况用于DataFrame，这里直接略过Series