文章目录
读取数据读取csv文件读取txt文件读取excle文件读取MySql数据库Pandas数据结构SeriesDataFrame根据多个字典序列创建dataframe从DataFrame中查询出Series参考以前对知识的理解学习都是要啥学啥，久而久之感觉自己像个半吊子，很没有安全感。痛定思痛，整个活。
Pandas是一个开源的Python类库：用于数据分析、数据处理、数据可视化。
读取数据
Pandas需要读取表格类型的数据，然后进行分析。
读取csv文件
读取和查看基本的信息，格式如下：
import pandas as pddf = pd.read_csv(fpath)df.head() # 查看前几行数据df.shape() # 查看数据的形状，返回(行数、列数)df.cloumns # 查看列名列表，Index对象df.cloumns.to_list() # 列名转成listdf.index # 查看索引列表df.dtypes # 查看每列的数据类型
读取txt文件
很多时候，我们无法获取csv这样有格式的文件，而是自己写入的txt文件。此时可以自己指定分隔符、列名：
df = pd.read_csv(fpath,sep='\t', # 列的分隔符header=None, # 告诉pandas这个文件没有标题行names=['pdate', 'pv', 'uv'])
读取excle文件
df = pd.read_excel(fpath)
读取MySql数据库
import pymysqlconn = pymysql.connect(host='127.0.0.1',user='root',password='12345678',database='test',charset='utf8')mysql_page = pd.read_sql("select * from crazyant_pvuv", con=conn)
Pandas数据结构
Series
Series：一维数据，一行或一列。是一种类似于一维数组的对象，由一组数据(可以是不同的数据类型)以及一组与之相关的数据标签(也就是索引组成)：
仅由数据列表即可产生最简单的Series：创建一个具有标签索引的Series：
指定index创建索引：
使用Python字典创建Series：
把字典传给Series就创建了Series：
根据标签索引查询数据：
根据标签索引查询数据的方式和Python的字典类似：
这里的查询方式和dataframe的方法类似，查询一个值会得到原生的数据，查询两个值得到的还是一个Series。
DataFrame
DataFrame是一个表格型数据，由多行多列组成。如果我们要对pandas数据进行查询的话，就是对index查询行，columns查询列。
每列可以是不同的值类型(数值、字符串、布尔值等)不只有行索引index(这里的行索引index与Series是对应的)，也有列索引columns，也就是说把一维变成了二维，方法就是加了一个cloumns的索引可以看作是由Series组成的字典，字典的key就是每一列，字典的value就是每个Series。
根据多个字典序列创建dataframe
比如下图所示有三个key，每个value都是一个数据的列表。
从DataFrame中查询出Series
如果只查询一行、一列，返回的是pd.Series；查询一列，采用类似字典的["columns"]方法：查询一行，采用.loc方法 如果查询多行、多列，返回的是pd.DataFrame。查询多列，采用中括号里面套中括号的方式：[["columns1", "columns2"]]。查询多行类似list的切片操作：这里要注意.loc[1:3]会返回末尾元素，但python中的list是不返回末尾3这个元素的。
