import pandas as pd
import numpy as np

se = pd.Series([1,2,3],index=['a','b','c'])
print(se)
print("索引：")
print(se["b"])
print(se[1])
print(se[['b','c']])
print(se.index)
print(se.values)


print("创建DataFrame:")
df_1 = pd.DataFrame([[1,2,3],[4,5,6]],index=['NO1','NO2'],columns=["a","b","c"])
print(df_1)
data = {'id':[0,1,2],'name':['Bob','Jerry','Tom']}
df_2 = pd.DataFrame(data)
print(df_2)

print("打印DataFrame信息：")
print(df_2.info())
print(type(df_2.values))
print(df_2.index)
print(df_2.columns)
print(df_2.ndim)

print("DataFrame筛选：")
print("列筛选：")
print(df_2['id'])
print("行筛选：")
print(df_2.loc[1])
print("下标筛选：")
print(df_2.iloc[1,1])
print("花式索引：")
print(df_2.iloc[[0,2],1])

print("添加一列：")
print(df_2)
df_2['scores'] = [99,99,99]
print(df_2)
print("添加一行：")
print(df_2)
df_2.loc[3] = [1,"Mary",99]
print(df_2)

# print("删除：")
# print("删除一行：")
# #inplace参数：控制删除后的DataFrame是否代替原DataFrame对象，默认为False为不替代
# #axis控制对行还是列进行操作，0为对行，1为对列
# df_2.drop(3,axis=0,inplace=True)
# #也可以   df_2 = df_2.drop(3,axis=0)
# print(df_2)
# print("同时删除两列:")
# df_2.drop(['id','scores'],axis=1,inplace=True)
# print(df_2)
# print("同时删除某行某列：")
# df_2 = df_2.drop(index=[0,3],columns='id')
# print(df_2)

print("多个DataFrame进行运算：")
#+  -  *  /  % 都可以使用
se_1 = pd.Series(np.arange(4),index=list('abcd'))
se_2 = pd.Series(np.arange(4,8),index=list("acer"))
print(se_1)
print(se_2)
print(se_1+se_2)

#add()  sub()  mul()  div()  mod()
add_value = se_1.add(se_2)
print(add_value)
add_value = se_1.add(se_2,fill_value=0)  #fill_value:在没有值的位置填充相应数值
print(add_value)

df_1 = pd.DataFrame([[1,1,1],[2,2,2]],index=list('ab'),columns=list("qwe"))
df_2 = pd.DataFrame([[2,2,2],[2,2,2]],index=list('ac'),columns=list("qwr"))
print(df_1)
print(df_2)
print(df_1*df_2)

#广播
print("array")
arr1 = np.array([np.arange(1,3),np.arange(3,5)])
# arr = np.array([1,3,4],[2,5,6])
# print(arr1+arr) #这里会报错 因为形状不一样 无法进行运算
arr2 = np.array([[1],[1]])
print(arr1)
print(arr2)
print(arr1+arr2)

print("DataFrame")
df = pd.DataFrame(np.arange(12).reshape(4,3),columns=list('abc'))
se = df['b']
print(df)
print(se)
print(df.sub(se,axis = 0))

print("排序：")
print("对索引进行排序：")
df = pd.DataFrame(np.arange(12).reshape(4,3),columns=list('abc'),index=['one','two','three','four'])
print(df)
print(df.sort_index())  #行索引排序
df = pd.DataFrame(np.arange(12).reshape(4,3),columns=list('acb'),index=['one','two','three','four'])
print(df)
print(df.sort_index(axis=1)) #列索引排序
print(df.sort_values(by=['a']))  #by是根据哪一列数值进行排序
print(df.sort_values(by=['a','b']))  #优先排a列 如果a列数值一样再看b列数值
print(df.sort_values(by=['a'],ascending=False))  #ascending为降序排列，

这些例子都有注释，也比较简单，基本对比运行结果一看就明白。