pip install pandas

import pandas as pd

print(pd.__version__)

mydataset = {
'sites': ["Google", "Runoob", "Wiki"],
'number': [1, 2, 3]
}
#将字典类型转化成dataframe类型
myvar = pd.DataFrame(mydataset)
print(myvar)
print()

a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
print(myvar[1])#指定索引查询

sites = {1: "Google", 'runoob': "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)#使用字典类型创建Series，key的值就成了索引值
print(myvar)
print()

# 参数index
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])#index指定索引名称
print(myvar)
print(myvar['y'])
print()

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [3, 2])#使用索引，截取字典中所需的部分
print(myvar)
print()

# 参数name,设置name属性
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2], name="I is series(name)" )
print(myvar)

data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'],dtype=float) # 列表转dataframe
print(df)

data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df = pd.DataFrame(data) # 字典转dataframe
print (df)

data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print (df)

data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data)
print(df)
print(df.loc[0])# 使用df.loc[]返回第一行
print(df.loc[1])# 使用df.loc[]返回第一行
print(df.loc[[0,1]])# 使用df.loc[[ ]]返回两行数据
print(df.loc[0:1,['calories']])# 使用df.loc[a:b ,[' ']]返回指定某列 a~b的数据

data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])#指定索引值
print(df)
print(df.loc['day2'])

import pandas as pd

# pd.read_csv() 读取csv文件
df = pd.read_csv('./nba.csv',encoding='GBK')
print(df.to_string())
print(df.loc[:,['Name']])#获取列

# head()
print(df.head().to_string())#默认获取前5行
print(df.head(3).to_string())#获取前3行

# tail()
print(df.tail().to_string())#默认获取后5行
print(df.head(3).to_string())#获取后3行

# info() 返回表格的一些基本信息
print(df.info())

import pandas as pd


# 使用 to_csv() 方法将 DataFrame 存储为 csv 文件
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
dict = {'name': nme, 'site': st, 'age': ag}
df = pd.DataFrame(dict)
# print(df)

df.to_csv('./aaa.csv')# 保存 dataframe到该文件夹下
df.to_csv(r'C:\Users\Public\Desktop\a1.csv',encoding='utf8')# 保存 dataframe到指定路径

path = r"C:\Users\Public\Desktop"
wen = '\ccc.csv'
df.to_csv(path+wen,encoding='utf8')

import pandas as pd

df = pd.read_csv('nba.csv')
print(df)

import pandas as pd

# 字典格式的 JSON                                                                                              
s = {
    "col1":{"row1":1,"row2":2,"row3":3},
    "col2":{"row1":"x","row2":"y","row3":"z"}
}
# 读取 JSON 转为 DataFrame                                                                                          
df = pd.DataFrame(s)
print(df)

      col1 col2
row1     1    x
row2     2    y
row3     3    z

import pandas as pd

URL = 'https://static.runoob.com/download/sites.json'
df = pd.read_json(URL)
print(df)

　　　　DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
参数说明： 
 axis：　　默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。
 how：　　 默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。
 thresh： 设置需要多少非空值的数据才可以保留下来的。
 subset： 设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
 inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。默认为False

# df = pd.read_csv(r'C:\Users\Administrator\Desktop\property-data.csv')
missing_values = ["n/a", "na", "--","N","Y"]
df1 = pd.read_csv('./property-data.csv')
df2 = pd.read_csv('./property-data.csv',na_values=missing_values)#添加na_values属性指定的某些数据修改为空数据（NaN）
print(df1)
print(df2)
# print(df2['SQ_FT'].isnull())#判断某列中的各个单元格是否为空

# 如果你要修改源数据 DataFrame, 可以使用 inplace = True 参数:
new_df = df1.dropna()#如果某行中有一个单元格数据为空则删除整行
new_df2 = df1.dropna(subset=['NUM_BATH'])# 某指定列如果有空数据，则删除空数据所在行
print(new_df)
# print(new_df2)

df3 = df1.fillna('666') #添加 inplace=True属性会改变源数据
df4 = df1['NUM_BEDROOMS'].fillna('555') #指定某列获取数据并替换空数据
print(df3)
print(df4)

x = df1["ST_NUM"].mean() #指定某列进行平均值计算
df1["ST_NUM"].fillna(x, inplace = True)#使用fillna()方法进行数据替换
print(x)
print(df1)

x = df1["PID"].median()
df1_1 = df1["PID"].fillna(x)
print(x)
print(df1_1)

x = df1["PID"].mode()
df1["PID"].fillna(x,inplace=True)
print(x)
print(df1)