实验三：掌握Pandas基本操作
【实验内容】
恭喜你通过第一关，现在我们步入第二关的大门，我们需要通过使用一种比numpy更高级的库pandas来完成对各种不同格式的数据分析、清洗，请完成下文实验内容，尽快进入下一关！
1、安装pandas。
2、掌握中pandas中Series和Dataframe对象的创建以及使用。
3、使用pandas读取csv文件，并做简单分析。
【实验目的】
1、掌握pandas对数据的基本处理方法。
2、掌握pandas对csv文件的处理操作。
【实验步骤】
步骤1、安装pandas库。
步骤2、掌握Series（一维数据）的操作。
步骤3、掌握Dataframe（二维数据）的操作。
步骤4、掌握pandas对csv文件的操作。
步骤5、掌握对缺失值的处理方法。
步骤1：安装pandas库。
注意1：请直接按默认路径创建项目，后续所需数据已经配置完成。
注意2：本系统已经装配好后续实验所需环境，您可以直接使用，请大展身手吧！
#方法一，直接在终端输入。 pip install pandas #方法二，在jupyter notebook中输入。 !pip install pandas
步骤2：掌握Series（一维数据）的操作。
Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。
#导入所需库。 import numpy as np import pandas as pd
s1 = pd.Series(np.arange(1,4)) #创建series，左边一列为索引，默认从0开始。 s1
输出：0 1
1 2
2 3
dtype: int32
#以数组的形式创建，并指定其索引。 s2 = pd.Series([1,2,3],index=['A','B','C']) s2
输出：A 1
B 2
C 3
dtype: int64
#按照默认索引和指定索引进行查找其对应元素。 print(s2[1]) print(s2['B'])
输出：2
2
#设置series的参数名称。
dict1 = {'a':18, 'b':22, 'c':24}
pd.Series(dict1, name='age')
输出： a 18
b 22
c 24
Name: age, dtype: int64
步骤3：掌握Dataframe（二维数据）的操作。
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
#创建DataFrame。 s1 = pd.Series(['张三', 18, '男', '武汉', '打球']) s2 = pd.Series(['李四', 22, '女', '上海', '跑步']) s3 = pd.Series(['王五', 24, '男', '杭州', '学习']) s4 = pd.Series(['老六', 13, '女', '天津', '游泳']) s5 = pd.Series(['无名', 23, '男', '深圳', '写代码']) df1 = pd.DataFrame([s1,s2,s3,s4,s5]) df1
#修改索引名和列名。 df1.index= ['A', 'B', 'C', 'D', 'E'] df1.columns = ['name', 'age', 'sex', 'address', 'hobby'] df1
#通过字典的形式创建。
df2 = pd.DataFrame({
'name' : ['张三', '李四', '王五', '老六', '无名'],
'age' : [18, 22, 24, 13, 23],
'sex' : ['男', '女', '男', '女', '男'],
'address' : ['武汉', '上海', '杭州', '天津', '深圳'],
'hobby' : ['打球', '跑步', '学习', '游泳', '写代码']
}, index=['A', 'B', 'C', 'D', 'E'])
df2
#删除指定列。 del df2['address'] df2
#通过切片查看指定位置元素。 df2.iloc[2:5]
df2.iloc[:,-1]
输出： A 打球
B 跑步
C 学习
D 游泳
E 写代码
Name: hobby, dtype: object
步骤4：掌握pandas对csv文件的操作。
CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。
CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。
# 读取csv，此数据为波士顿房价数据。
df = pd.read_csv('../datas/boston_housing_data.csv')
df
#查看前5行数据。 df.head()
#查看数据信息。 df.info()
#查看各个字段的数量、均值、标准差、最小值、四分位数、最大值等。 df.describe()
#筛选出CRIM大于0.5并且ZN大于0的字段。 df = df[(df['CRIM']>0.5)&(df['ZN']>0)] df
#导出csv文件并重命名为df。
df.to_csv('df',index=0)
步骤5：掌握对缺失值的处理方法。
isnull() 为空 没有数据显示True,有数据显示False。
notnull() 不为空 有数据显示True。
fillna() 填充缺失值。
dropna() 去除缺失值。
#创建含有缺失值的数据。
#创建含有缺失值的数据。
import numpy as np
df = pd.DataFrame({
'name' : ['tom', 'poppy', 'alex'],
'age' : [23, np.NaN, 30],
'score' : [np.NaN, 18, np.NaN],
'hobby' : ['吃饭', np.NaN, '写代码']
})
df
#isnull判断是否为缺失值，是则返回True，否则返回False。 df.isnull()
#删除含有缺失值的列。 df.dropna(axis=1)
#填充指定值。 df.fillna(0)
#用前一个值或后一个值来填充。 print(df.fillna(method='ffill')) print(df.fillna(method='bfill'))
恭喜你已完成本章实验内容！！！
