pandas类使用练习

import pandas as pd
import numpy as np
# Series通过传递值列表来创建 a，让 pandas 创建一个默认整数索引：
s=pd.Series([1,3,5,np.nan,6,8])
print(s)

# DataFrame通过传递一个 NumPy 数组、一个日期时间索引和标签列来创建一个：
dates = pd.date_range("20130101", periods=6)
print(dates)

# 6行4列，列名分别为A B C D
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))
print(df)

# DataFrame通过传递可以转换为类似系列结构的对象字典来创建 a 

#[3] * 4  列表[ ]

df2 = pd.DataFrame(
    {
        "A": 1.0,
        "B": pd.Timestamp("20130102"),
        "C": pd.Series(1, index=list(range(4)), dtype="float32"),
        "D": np.array([3] * 4, dtype="int32"),
        "E": pd.Categorical(["test", "train", "test", "train"]),
        "F": "foo",
    }
)
print(df2)

# 结果的列DataFrame具有不同的dtypes：
print(df2.dtypes)

# 如果您使用的是 IPython，则会自动启用列名（以及公共属性）的制表符补全。这是将要完成的属性的子集：print(df.   )
print(df2.A)

# 查看数据
# 查看框架顶部和底部行的方法：
print(df.head())
print(df.tail(3))

# 显示索引，列：
print(df.index)

print(df.columns)

# 对于df，我们DataFrame的所有浮点值， DataFrame.to_numpy()速度很快并且不需要复制数据：
print(df.to_numpy())

print(df2.to_numpy())

# describe()显示数据的快速统计摘要：
print(df.describe())

# 按轴排序：
print(df.sort_index(axis=1, ascending=False))

# 按值排序：
print(df.sort_values(by="B"))

# Getting
# 选择单个列，这会产生 a Series，相当于df.A：
print(df["A"])

# 选择 via []，对行进行切片：
print(df[0:3])
print(df["20130102":"20130104"])

# 按标签选择
# 使用标签获取横截面：
print(df.loc[dates[0]])

# 按标签在多轴上选择：
print(df.loc[:, ["A", "B"]])

# 显示标签切片，包括两个端点：
print(df.loc["20130102":"20130104", ["A", "B"]])

# 返回对象的尺寸减小：
print(df.loc["20130102", ["A", "B"]])

# 获取标量值：
print(df.loc[dates[0], "A"])

# 快速访问标量（相当于先前的方法）：
print(df.at[dates[0], "A"])