本文主讲内容：

numpy中的多维数组VSpandas中的多维数据表

一维数据表Series

Series中内置的5个函数

二维数据表DataFrame

数据表的索引与切片

总结：索引与切片（精华部分：一定要看哦！）

高级索引：布尔索引和函数

numpy中的多维数组VSpandas中的多维数据表

Pandas 里面的数据结构是「多维数据表」，学习它可以类比这 NumPy 里的「多维数组」。1/2/3 维的「多维数据表」分别叫做 Series (系列), DataFrame (数据框) 和 Panel (面板)，和1/2/3 维的「多维数组」的类比关系如下。

对比 NumPy (np) 和 Pandas (pd) 每个维度下的数据结构，不难看出

pd 多维数据表=np 多维数组+描述

其中

Series = 1darray + index
DataFrame = 2darray + index + columns
Panel = 3darray + index + columns + item

其意义，不言而喻：

一维数据表Series

arr=pd.Series([27.2, 27.65, 27.70, 28],index=pd.date_range('20190401',periods=4))
print(arr)
print(arr.values)
print(arr.index)

#输出
2019-04-01    27.20
2019-04-02    27.65
2019-04-03    27.70
2019-04-04    28.00
Freq: D, dtype: float64
[27.2  27.65 27.7  28.  ]
DatetimeIndex(['2019-04-01', '2019-04-02', '2019-04-03', '2019-04-04'], dtype='datetime64[ns]', freq='D')

Series中内置的5个函数

除了用列表，我们还可以用 numpy 数组来生成 Series。在下例中，我们加入缺失值 np.nan，并分析一下 Series 中另外 5 个属性或内置函数的用法：

len: s 里的元素个数
shape: s 的形状 (用元组表示)
count: s 里不含 nan 的元素个数
unique: 返回 s 里不重复的元素(numpy中没有）
value_counts: 统计 s 里非 nan 元素的出现次数（numpy中没有）  

s = pd.Series( np.array([27.2, 27.65, 27.70, 28, 28, np.nan]) )
print( 'The length is', len(s) )
print( 'The shape is', s.shape )
print( 'The count is', s.count() )
print(s.uniqe())
print(s.value_counts())

The length is 6
The shape is (6,)
The count is 5
array([27.2 , 27.65, 27.7 , 28. , nan])
28.00 2
27.70 1
27.65 1
27.20 1
dtype: int64

二维数据表DataFrame

用字典创建，index需要自定义

字典中的键对应DataFrame中的columns
字典中的值对应DataFrame中的values
DataFrame中的index需要自定义  

symbol = ['BABA', 'JD', 'AAPL', 'MS', 'GS', 'WMT']
data = {'行业': ['电商', '电商', '科技', '金融', '金融', '零售'],
        '价格': [176.92, 25.95, 172.97, 41.79, 196.00, 99.55],
        '交易量': [16175610, 27113291, 18913154, 10132145, 2626634, 8086946],
        '雇员': [101550, 175336, 100000, 60348, 36600, 2200000]}
df2 = pd.DataFrame( data, index=symbol )
df2.name='美股'
df2.index.name = '代号'
df2

数据表的索引与切片

DataFrame 的索引或切片可以基于标签 (label-based) ，也可以基于位置 (position-based)，不像 numpy 数组的索引或切片只基于位置。

索引单元素的总结图：

切片单个 columns 的总结图：

切片多个 columns 的总结图：

切片单个 index 的总结图：

切片多个 index 的总结图：

切片 index 和 columns 的总结图：

不易出错的索引切片总结：

【索引和切片数据表】在索引或切片 DataFrame，有很多种方法。最好记的而不易出错的是用基于位置的 at 和 loc，和基于标签的iat 和 iloc，具体来说，索引用 at 和 iat，切片用 loc 和 iloc。带 i 的基于位置，不带 i 的基于标签。(全是[index][columns]格式）

实际上我们通常不使用at，loc来完成索引与切片：

高级索引

除此之外，还可以用布尔索引和函数索引：

布尔索引：

当我们要过滤掉雇员小于 100,000 人的公司，我们可以用 loc 加上布尔索引。

print( df.雇员 >= 100000 )
df.loc[ df.雇员 >= 100000, : ]#行被过滤掉

现在来看一个「罕见」例子，假如我们想找到所有值为整数型的 columns

print( df.dtypes == 'int64' )
df.loc[ :, df.dtypes == 'int64' ]#列被过滤掉

调用函数：

当我们要找出交易量大于平均交易量的所有公司，我们可以用 loc 加上匿名函数 (这里 x 代表df)。

df.loc[ lambda x: x.交易量 > x.交易量.mean() , : ]#行被过滤掉

在上面基础上再加一个条件 -- 价格要在 100 之上 (这里 x 还是代表 df)

df.loc[ lambda x: (x.交易量 > x.交易量.mean()) 
                & (x.价格 > 100), : ]

最后来看看价格大于 100 的股票 (注意这里 x 代表df.价格)

df.价格.loc[ lambda x: x > 100 ] #只对某列过滤

输出
代号
BABA 176.92
AAPL 172.97
GS 196.00
Name: 价格, dtype: float64