一、Series和DataFrame的简单数学运算

1.1 Series的加法：对应索引的元素，相加

导包；

先创建两个Series；

让两者相加。

发现：是对应index的value，来相加。

1.2 DataFrame的加法：对应索引的元素，相加

先创建一个DataFrame；使用numpy库中的arange函数，先一维数组再重塑多维矩阵

为了更好的计算，所以在上述df1上再加上index行索引、columns列索引；

同理，再创建一个df2；

上述的range()：是Python中一个函数，创建数学意义上的数列，0123....14

np.arange()：是numpy包中一个函数，创建数组（矩阵）。

让上述两个相加；
发现：也是对应索引的元素，进行相加

1.3 DataFrame的内置的运算方法

1.求和

新创建一个DataFrame：不同于上节通过np库，使用Python中的list列表来创建；（因为可以更灵活的指定元素的数值）

求各列的和；--------------------------------------------- 本质：是一个Series

求各行的和，需要调整axis轴参数；--------------- 本质：是一个Series

为什么df3.sum()默认的就是列之和呢？

因为实际生产中，表格的行代表的是一条一条的完整的记录单元，而类代表每条记录的一个特定维度，比如：工资、年龄、入职时间等。

而只有同一纬度的数据，才是可以进行运算的。

2.求最值

求各列的最值；

如果要求各行的，直接调整axis轴参数即可；

3.describe函数

• mean-------------------均值（为好理解，可以视为平均值） （ vs median：中位数）
• std-----------------------标准差，Standard Deviation，概率统计中最常用的离散指标。

均值？

二、Series和DataFrame的排序

2.1 Series的排序

创建一个Series，元素是用10个随机数；

会发现：

元素会根据value从小到大排序，且对应的index也会跟着调整：

也会发现：

元素会根据index从小到大排序，且对应的value也会跟着调整：

2.2 DataFrame的排序

1.

创建一个DataFrame，元素为：通过np库，用40个随机数来形成一维数组，并重塑为8X5的多维数组

错误的做法：仅仅对A这一列拿出来，再排序

正确的做法：应该是对整个df1来排序：

2.

上面是对values进行排序，那么对索引呢？

2.3 hw

1.

原数据：

目标：

• 只保留筛选出下述四列
• 并按照imdb_score进行排序，递减

2.

我的步骤

3.补充：

上面是从硬盘读取、筛选排序之后，还要存入硬盘一下：

三、重命名DataFrame的index

3.1 方式一：直接给index赋值一个Series对象

3.2 方式二：用map()函数来批量的整个更改

介绍下map映射：
需求：

解决方式一：循环

解决方式二：列表解析，常用、高效

解决方式三：通过map函数映射

3.3 方式三：rename()函数，更快捷

通过传入一个字典，来对特定的value进行变更

3.4 方式四：自定义函数

先定义一个自己写的函数：

然后，将该函数与map()函数相结合；

或，将该函数与rename()函数相结合；

四、DataFrame的merge操作

4.1 含义：合并

1.

用Python的一个字典，分别来创建两个DataFrame：

然后，将两者merge合并一下：

结果：啥都没有。

2.

更换下df2：

结果：两者有合并的元素了

即，两个DataFrame，必须在相同的column列下，有共同的元素。比如，上面df1和df2，在共同的列key下，有共同的元素X。

3.

再更换下df1试试：

4.2 参数：on

on这个参数，必须是两个DataFrame都有共同的列column才行，否则会报错：

4.3 参数：how，默认是inner，可以调整为left、right、outer

我认为：如果把两个DataFrame看作是两个集合A、B，那么：

• 默认的inner--------- 就是交集
• left--------------------- 就是集合A
• right------------------- 就是集合B
• outer------------------ 就是并集

参考：
https://www.pypandas.cn/docs/user_guide/merging.html#database-style-dataframe-or-named-series-joining-merging

我认为，这是跟SQL数据库操作中的，左连接、右连接很像。

五、Concatenate串联、Combine填充

5.1 数组的Concatenate：连接、串联

1.

3X3矩阵、3X3矩阵，变成：6X3矩阵

即：默认的增加行数

2.调整axis轴参数

axis=1表示在增加列数

5.2 Series的Concatenate：连接、串联

1.

2.

注意：Series是一维的，只有index行索引，没有column列索引的概念

如果强行的调整axis轴参数为1，那么Series就会越级变成一个DataFrame：

5.3 DataFrame的Concatenate：连接、串联

跟上述的Series的Concatenate原理相同，都是空白之地就用NaN填充：

5.4 Series的Combine：融合（填充）

用s2去填充s1

5.5 DataFrame的Combine：融合（填充）

两个DataFrame，都有一列叫Z：

• df1的Z列是奇数
• df2的Z列是偶数