從零開始學Python【4】--pandas(序列部分)

上一期我們介紹了數據分析中常用的numpy模塊，從數組的創建、元素的獲取、數學+統計函數、隨機數的生成、到外部文件的讀取。這期我們再來介紹另一個重磅的數據分析常用模塊--pandas。該模塊更像是R語言中的向量、數據框的處理，接下來我們就一一介紹里面的小知識點。

序列

序列（Series）可以理解成是R語言中的向量，Python中的列表、元組的高級版本。為什么說是高級版本呢？因為序列與上期介紹的一維數組類似，具有更好的廣播效應，既可以與一個標量進行運算，又可以進行元素級函數的計算。如下例子所示：

列表與常數10相加，報錯，顯示無法將列表與整形值連接，“+”運算在列表中是連接操作。

將上面的列表轉換成一個序列后，就可以正常的完成運算，這就是序列的廣播能力。同樣，列表也不能用于元素級的數學函數，對比如下：

除了上面介紹序列功能，再來說說其他序列常用的場景，如序列的索引、成員關系、排重、排序、計數、抽樣、統計運算等。

序列的索引：

由于序列是列表的擴張版，故序列也有一套類似于列表的索引方法，具體如下：

>need-to-insert-img

用倒數的方式取元素，序列就顯得不是很方便了，我們推薦使用非常棒的iat方法，該方法不管應用于序列還是數據框都非常優秀，主要體現在簡介而高速。然而，實際工作中很少通過位置索引（下標）的方法獲取到序列中的某些元素，例如1000個元素構造的序列，查出屬于某個范圍值總不能一個個去數吧？序列提供了另一種索引的方法--布爾索引。具體用法如下：

我們知道，在R語言中一個向量的元素是否包含于另一個向量，可以使用%in%函數進行判斷，同理，Python中也有類似的方法。對于一個一維數組，in1d函數實現該功能；對于一個序列，isin方法可實現該功能。

numpy模塊中的in1d函數也可以用于序列的成員關系的比較。

如果手中有一離散變量的序列，想查看該序列都有哪些水平，以及各個水平的頻次，該如何操作？

沒錯，只要借助于unique函數（與R語言一樣的函數）實現序列的排重，獲得不同的水平值；通過使用value_counts函數（對應于R語言的table函數）對各個水平進行計數，并按頻次降序呈現。

有的時候需要對某個序列進行升序或降序排序，雖然這樣的場景并不多，但排序在數據框中的應用還是非常常用的，先來看看如何對序列進行排序：

s.sample(n=None, frac=None, replace=False, weights=None, random_state=None,axis=None)

n：指定抽取的樣本量；

frac：指定抽取的樣本比例；

replace：是否有放回抽樣，默認無放回；

weights：指定樣本抽中的概率，默認等概論抽樣；

random_state：指定抽樣的隨機種子；

抽樣也是數據分析中常用的方法，通過從總體中抽取出一定量的樣本來推斷總體水平；或者通過抽樣將數據拆分成兩部分，一部分建模，一部分測試。pandas模塊提供了sample函數（與R語言的sample函數一致）幫我們完成抽樣的任務。

由于總體就是男、女性別兩個值，故需要抽出10個樣本，必須有放回的抽，而且男女被抽中的概率還不一致，女被抽中的概率是0.8。

統計運算

pandas模塊提供了比numpy模塊更豐富的統計運算函數，而且還提供了類似于R語言中的summary匯總函數，即describe函數。

其中count是序列中非缺失元素的個數。哦，對了，如何判斷一個序列元素是否為缺失呢？可以使用isnull函數，等同于R語言中的is.na函數。

除此，我們再來羅列一些常用的統計函數：

s.min() # 最小值

s.quantile(q=[0,0.25,0.5,0.75,1]) # 分位數函數

s.median() # 中位數

s.mode() # 眾數

s.mean() # 平均值

s.mad() # 平均絕對誤差

s.max # 最大值

s.sum() # 和

s.std() # 標準差s.kurtosis() # 峰度

s.cumsum() # 和的累計，返回序列

s.cumprod() # 乘積的累積，返回序列

s.product() # 序列元素乘積

s.diff() # 序列差異（微分），返回序列

s.abs() # 絕對值，返回序列

s.pct_change() # 百分比變化 ，返回序列s.corr(s2) # 相關系數

s.ptp() # 極差 R中的range函數

今天我們的內容就介紹到這邊，歡迎大家拍磚。下期我們來聊聊pandas模塊的數據框