11，二维dataframe——类SQL操作

〇，pandas简介

pandas是python数据分析领域最为经典的库之一，基于numpy构建。

pandas中常用的数据结构有：

1，Series：一维数组，有index。Series中只允许存储同种类型数据。

2，DataFrame：二维的表格型数据结构。可以将DataFrame理解为Series的容器。

3，Panel ：三维的数组。可以理解为DataFrame的容器。

你发现 pandas库的名字和这三种数据结构名字的关系了吗？本节和接下来的几节我们介绍DataFrame。DataFrame是python在数据分析领域使用最广泛的数据结构。具有以下优点：

数据直观 ———— 就像一个excel表格

功能强大 ———— 极其丰富的方法

DataFrame的概要如下：

DataFrame是一个Series容器，创建和索引方式和Series很像。

DataFrame可以看成是一个有index和columns名称的array，支持向量化。

你可以像操作excel表一样操作DataFrame：插入行和列，排序，筛选……

你可以像操作SQL数据表一样操作DataFrame：查询，分组，连接……

本节我们介绍DataFrame的类SQL操作。

一，表查询

类似 SQL中 select ... where ...

常用的有：布尔索引，query，filter 相关方法

1，利用布尔索引

2，利用query

3，利用filter

二，表合并

两种合并方向：纵向(0)，横向(1)

三个常用函数：concat，join，merge

四种合并方式：inner，outer，left，right

concat：根据index或columns合并,支持纵横两个方向合并，支持inner或outer方式。

join：根据index合并，只支持横向合并，支持inner，outer，left，right

merge：根据同名列合并，只支持横向合并，支持inner，outer，left，right

outer：外连接，类似于并集运算，只在单表中出现的记录，未知属性置nan。

inner：内连接，类似于交集运算，只输出两个表中都出现的记录。

left：左连接，以左表索引或key列为序，查找右表信息，未找到置nan。

right：右连接，以右表索引或key列为序，查找左表信息, 未找到置nan。

1，使用 concat 函数合并

2，使用 join 方法拼接

3，使用merge方法合并

三，表分组

表分组类似SQL中的 select ... group by ...操作，可以代替excel表格中的数据透视表功能。

1，分组对象性质

2，在分组上运用聚合函数

3，创建分组的各种方法

Python与算法之美

(Python_Ai_Road)