一：Pandas的两种数据结构：

• Series : Series是一个一维的容器。和python的列表很相似，但是每个元素的数据类型必须相同。
• DateFrame :DateFrame是一个二维的容器，DataFrame可以看做是个字典，键是列名，值是Series。

二：Series创建和属性：

1：Series的创建：

2：Series常见的属性：

• 1：加载csv文件时，指定index_col就能得到一个Series对象。
• 2：使用行索引标签可以选中一条记录。
• 3：可以通过 index 和 values属性获取行索引和值。
• 4：也可以通过keys()方法获取所有的行索引。

3：Series常见的方法：

• 1: mean() 取平均
• 2：min()取最小值
• 3：max()取最大值
• 4：std()取标准差
• 5：value_counts（）方法，可以返回不同值的条目数量。
• 6：count() ： 统计非空数量。
• 7：通过describe()方法打印描述信息。
  

拿到所有名字，包括重复的，然后根据名字分组，统计每组的数量，然后逆序排序。

4：Series的布尔索引：

• 1:ages>ages.mean()得到的是每个数据和平均值比较的结果:True/False
• 2:相当于一个列表ages[True, False, True], 结果就是只显示为True的。
  

5：Series的运算：

• 1：Series和数值型变量计算时，变量会与Series中的每个元素逐一进行计算。
• 2：两个Series之间计算，如果Series元素个数相同，则将两个Series对应元素进行计算。
• 3：元素个数不同的Series之间进行计算，会根据索引进行。索引不同的元素最终计算的结果会填充成缺失值，用NaN表示。
• 4：Series之间进行计算时，数据会尽可能依据索引标签进行相互计算。

三：DataFrame创建和属性以及方法:

1：DataFrame的创建：

2：DataFrame常见的属性：

• 1：.shape 行和列
• 2：.size 数据的个数
• 3：.ndim 数据集 的维度
• 4：len() 数据集的长度
• 5：.count（）各个列的个数：
• 6：.min() 各个列的最小值
• 7： describe() 各个列的描述详情。

3：DataFrame的布尔索引：

4：DataFrame的运算：

• 1： DataFrame与数字运算，每个元素与数字运算，如果是数字则运算，如果是字符串与数字，则可能是字符串成倍增加：scientists*2
• 2：两个 DataFrame，根据索引，一一运算。
• 3：两个DataFrame数据条目数不同时，会根据索引进行计算，索引不匹配的会返回NaN。

四：更改Series和DataFrame：

1： 设置行索引：

1： 加载某一行的时候指定某一列作为索引：

movie = pd.read_csv(‘C:/Users/11737/Desktop/机器学习课件/data/movie.csv’, index_col=‘movie_title’)
movie

2：重置索引：

movie.reset_index() 注意这个重置索引是暂时的，不是永久的，只是这一次恢复原来的索引。

2： 修改行名和列名：

1： 查看前5条行索引：movie.index[:5]
2： 查看前5条列索引：movie.columns[:5]

3： 修改行名和列名：

idx_rename = {‘Avatar’:‘Ratava’, ‘Spectre’: ‘Ertceps’}
col_rename = {‘director_name’:‘Director Name’, ‘num_critic_for_reviews’: ‘Critical Reviews’}
movie.rename(index=idx_rename,columns=col_rename).head()

注意：先定义字典，键是原名，值是修改后的名字。
使用的方法是：rename(index=, columns= )

4: 另外一种方法：提取索引，修改。重新赋值：

3： 添加，删除，插入列：

五：导入和导出数据：

1： 导出导入成pickle文件：

2：保存成CSV文件：

3：保存成Excel文件：