python數據分析：pandas學習之Series數組

　　學習pandas需要一些numpy學習基礎：numpy學習總結

　　雖然numpy已經可以結合matplotlib解決我們數據分析的問題，那么pandas學習的目的在什么地方呢?

　　numpy 能夠幫我們處理數值型數據，但是這還不夠

　　很多時候，我們數據除了數值之外，還有字符串，時間序列等

　　比如：我們通過爬蟲獲取到了存儲在數據庫中的數據

　　所以， numpy能夠幫助我們處理數值，但是pandas處理處理數值之外(基于numpy)，還能夠幫助我們處理其他類型的數據

　　pandas常用的數據類型

　　1.Series一維， 帶標簽(索引)數組

　　2. DataFrame二維， Series容器

　　pandas的Series學習

　　創建一個Series數組

　　import pandas as pd

　　import numpy as np

　　# 創建長度為10的Series數組

　　t = pd.Series(np.arange(10))

　　這樣就可以創建一個簡單的Series數組了，數組的左邊是它的索引，右邊是它的值

　　，因此它有index和values方法

　　更改Series數組的索引值

　　其中index=list(string.ascii_uppercase[:10])表示的是取前10位大寫字母來代替索引

　　在這里插入代碼片

　　注意： pd.Series能夠干什么，能夠傳入什么類型的數據讓其變為series結構，index是什么?

　　在什么位置，對于我們常見的數據庫或者ndarray來說，index是什么，如何給一組數據指定index?

　　在pd.Series()中的參數可以傳入一個字典，也能傳入一個列表，元組等

　　重新給其指定其他的索引之后，如果能夠對應上，就取其值，如果不能，就為nan， 此時數據的類型就為float類型了，因為numpy中的nan為float類型，pandas會自動根據數據類型更改Series的dtype類型，若要修改此類型，使用.astype即可修改

　　pandas之Series切片和索引

　　t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))

　　t[2:10:2] # 從第三個開始以步長為2，到第10個為止

　　t[[2, 3, 6]] # 選擇第三個， 第四個， 和第七個的值

　　t["F"] # 選擇索引為F的值

　　結果如下：

　　切片：在"[]"中直接傳入start end 或者步長即可

　　索引：一個的時候傳入序號或者index，多個的時候傳入序號或者index的列表

　　pandas之Series的索引和值

　　對于一個陌生的series類型，我們如何知道它的索引和具體的值呢：

　　t.index ==> 返回數組的索引，是一個列表類型，可以進行遍歷，也可進行強制類型轉換，如： tuple(t.index) # 進行強制類型轉換

　　t.values ==> 返回數組的值，是一個列表類型，可以進行遍歷，也可進行強制類型轉換，如： tuple(t.values)

　　Series對象本質上由兩個數組構成。

　　一個數組構成對象的鍵(index，索引)，一個數組構成對象的值(values)，鍵 -> 值

　　ndarray的很多方法都可以運用于series類型，比如argmax，clip

　　series具有where方法，但是結果和ndarray不同，具體方法可以查看官方文檔np.Series.where使用教程

　　pandas讀取mongodb數據

　　這里由于我的mongodb里面沒有數據，所以我就手動添加了一些數據(0.0)

　　from pymongo import MongoClient

　　import pandas as pd

　　client = MongoClient()

　　collection = client["xin"]["test"]

　　data = list(collection.find())

　　a = ["hello", "world"]

　　data.append(a)

　　t1 = data[0]

　　t1 = pd.Series(t1)

　　print(t1)

　　結果如下

　　pandas讀取外部文件

　　pandas提供了很多讀取數據的方法，比如：

　　鄭州婦科醫院 http://fk.zyfuke.com/

　　這里我以csv文件舉例

　　import pandas as pd

　　# pandas 讀取文件

　　t = pd.read_csv("./demo.csv")

　　print(t)

　　csv文件結果如下

　　我們這組的數據存在csv文件中，我們直接使用pd.read_csv即可

　　和我們想象中的有些差別，我們以為他會是一個Series類型，但實際上它是一個DataFrame數組類型。