Python入门：Numpy 和 Pandas 基本语法(2)

# 创建一个5*5的，通过numpy进行reshape
df1 = DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','D','E','F'],colums=['c1','c2','c3','c4','c5']) # 遗漏的index中的C，通过reindex来恢复
df1.reindex(index=['A','B','C','D','E','F']) # C被恢复并把value填充为NaN
# columns 同理
# 当index减少时就表现出切割的现象
df1.drop('A',axis=0) # axis=0，代表删除行；axis=1，代表删除列（后面遇到axis同样是这个意思）

五、NaN

n = np.nan

type(n) 是个浮点数float

与nan的运算结果均是nan

nan in series：

s1.isnull\notnull() 判断是否为nan

s1.dropna() # 删除掉value为NaN的行

nan in dataframe：

判断同series

df.dropna(axis=0,how='any'，thresh=None) # axis表示行和列0,1来表示,how为any时表示有Nan就删掉，为all时表示全为nan时才删掉；thresh表示一个界限，超过这个数字的nan则被删掉
df.fillna(value=1) # 表示所有为nan的地方填充为1
df.fillna(value={0:0,1:1,2:2,3:3}) # 表示第一列的填充1，第二列的填充2，后面同理

注：dropna,fillna不改变原始数组

六、多级index

index=[['1','1','1','2','2','2'],['a','b','c','a','b','c']] # 1,2为一级标题，abc为二级标题，即1的series下有abc，原始series下有1,2；获取内容时，可以s1['1']['a']

s1[:,'a'] 返回所有一级series里的a

与dataframe的转换：

df1 = s1.unstack()

逆转换：

s2 = df1.unstack() # 这时一二级换了位置

s2 = df1.T.unstack() # 这时是和原始完全一样的

注：dataframe的index和columns都可以转换成多级的

七、mapping and replace

当想在一个dataframe中加一列(columns)，可以直接加df['列名']=Series([数据])
也可以通过map：创建一个字典，字典中的键是dataframe中的columns：
df1['新列名'] = df1['字典中的键那一列'].map(那个字典) 这个可以固定对应位置，方便改值，可以指定index来改值

replace in series:

s1.replace({1,np.nan}) # 通过字典来改值
s1.replace([1,2,3],[10,20,30]) # 把123索引改成10,20,30 

　　以上内容是我的一点点总结，希望能给有需要的朋友带来带你帮助，也希望有大神来指点指点。