#coding=gbk
#pandas 库的使用
#pandas 库使用索引机制，有Series 和 DataFrame 2种数据结构
import pandas as pd
import numpy as np
print("--------------")
s=pd.Series([1,2,3])
print(s)
# 0 1 左边的对应的是索引
# 1 2
# 2 3
# dtype: int64
s1=pd.Series([1,2,3],index=['a','b','c']) #自定义索引值
print(s1)
# a 1
# b 2
# c 3
# dtype: int64
print(s1.index) #Index(['a', 'b', 'c'], dtype='object')
print(s1.values) #[1 2 3]
#选择内部元素
print(s1[1]) #2
print(s1[['a','b']])
print(s1[0:2])
# a 1
# b 2
# dtype: int64
#为元素赋值
s1[1]=9
print(s1)
#使用numpy数组
s2=np.array([1,3,5])
s3=pd.Series(s2)
print(s3)
# 0 1
# 1 3
# 2 5
# dtype: int32
s2[2]=99 #改变numpy数组的元素，同样会改变 pandas数组的元素
print(s3)
# 0 1
# 1 3
# 2 99
# dtype: int32
#Series运算
print(s3+12)
s3[3]=1
s3[4]=3
print(s3)
# 0 1
# 1 3
# 2 99
# 3 1
# 4 3
# dtype: int64
#统计有几个不同的元素
print(s3.unique()) #[ 1 3 99]
#统计不同元素出现的次数
print(s3.value_counts())
# 3 2 代表3出现2次
# 1 2 代表1出现2次
# 99 1
# dtype: int64
#naN表示非数值
a=pd.Series([1,2,np.NaN,4])
print(a)
# 0 1.0
# 1 2.0
# 2 NaN
# 3 4.0
# dtype: float64
print(a.isnull())
# 0 False 判断是否为非数值
# 1 False
# 2 True
# 3 False
# dtype: bool
#Series 对象用作字典
mydict={'red':1,'blue':2,'black':3}
d=pd.Series(mydict)
print(d)
# black 3
# blue 2
# red 1
# dtype: int64
DataFrame对象简述：
#DataFrame 对象
data={'color':['blue','green','black','yellow'],
'object':['book','pencil','notebbook','pen'],
'price':[1.2,4.5,6,9]}
frame=pd.DataFrame(data)
print(frame)
# color object price #有索引值，第一列
# 0 blue book 1.2
# 1 green pencil 4.5
# 2 black notebbook 6.0
# 3 yellow pen 9.0
frame1=pd.DataFrame(data,index=['one','two','three','four']) #改变索引的参数
print(frame1)
print(pd.DataFrame(data,columns=['color','price']))
# color price
# 0 blue 1.2
# 1 green 4.5
# 2 black 6.0
# 3 yellow 9.0
frame2=pd.DataFrame(np.arange(16).reshape(4,4),
index=['blue','green','black','yellow'],
columns=['color','price','object','real'])
print(frame2)
# color price object real 创建dataframe对象
# blue 0 1 2 3
# green 4 5 6 7
# black 8 9 10 11
# yellow 12 13 14 15
#获取元素
print(frame2.price)
# blue 1
# green 5
# black 9
# yellow 13
print(frame2.values)
# [[ 0 1 2 3] 获取全部元素
# [ 4 5 6 7]
# [ 8 9 10 11]
# [12 13 14 15]]
print(frame2.ix[2])
print(frame2.ix[[0,2]]) #中间有2个括号
# color price object real
# blue 0 1 2 3
# black 8 9 10 11
print(frame2.ix[0,2]) #返回一个具体的值 2，中间没有中括号
print(frame2[1:3]) #查找第二，三行的元素
#赋值
frame2['new']=[4,6,8,12]
print(frame2) #新增加一列
# color price object real new
# blue 0 1 2 3 4
# green 4 5 6 7 6
# black 8 9 10 11 8
# yellow 12 13 14 15 12
del frame2['new'] #删除一列
print(frame2)
#筛选
print(frame2[frame2<12])
# color price object real
# blue 0.0 1.0 2.0 3.0
# green 4.0 5.0 6.0 7.0
# black 8.0 9.0 10.0 11.0
# yellow NaN NaN NaN NaN
#转置
print(frame2.T)
# blue green black yellow
# color 0 4 8 12
# price 1 5 9 13
# object 2 6 10 14
# real 3 7 11 15
#index 对象
print(frame2.index) #Index(['blue', 'green', 'black', 'yellow'], dtype='object')
print(frame2.idxmax())
print(frame2.idxmin())