初探pandas——安装和了解pandas数据结构
Posted lrainner
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了初探pandas——安装和了解pandas数据结构相关的知识,希望对你有一定的参考价值。
安装pandas
通过python pip安装pandas
pip install pandas
pandas数据结构
pandas常用数据结构包括:Series和DataFrame
Series
Series是一种一维的数组型对象,包含一个值序列(与numpy中的数据类型相似),数据标签(称为索引(index))。
import pandas as pd
# 创建Series对象
obj=pd.Series([4,5,6,7])
print(obj)
0 4
1 5
2 6
3 7
dtype: int64
左边为索引,右边为值,默认索引从0到n-1(n为数据长度),可以通过values属性和index属性分别获得Series对象的值和索引
print(obj.values)
array([4, 5, 6, 7], dtype=int64)
print(obj.index)
RangeIndex(start=0, stop=4, step=1)
# 自定义索引序列
obj2=pd.Series([4,5,6,7],index=[‘a‘,‘b‘,‘d‘,‘e‘])
print(obj2,‘
‘)
# 输出索引
print(obj2.index)
a 4
b 5
d 6
e 7
dtype: int64
Index([‘a‘, ‘b‘, ‘d‘, ‘e‘], dtype=‘object‘)
Series对象可以使用标签来进行索引
# 输出索引为b的元素
print(obj2[‘b‘])
# 输出索引为a,d,e的元素
print(‘* ‘*10)
print(obj2[[‘a‘,‘d‘,‘e‘]])
5
* * * * * * * * * *
a 4
d 6
e 7
dtype: int64
Series对象也能使用布尔值进行过滤
# 输出值大于5的元素
print(obj2[obj2>5])
d 6
e 7
dtype: int64
DataFrame
DataFrame表示矩阵的数据表,包含已排序的列集合,每一列可以是不同的的值类型(数值、字符串、布尔值等)
DataFrame既有行索引,也有列索引,可以被视为一个共享相同索引的Series的字典
# 创建DataFrame对象
data={‘age‘:[18,18,18,20,20,20],‘name‘:[‘a‘,‘b‘,‘c‘,‘aa‘,‘bb‘,‘cc‘],‘height‘:[180,180,180,182,182,182]}
frame=pd.DataFrame(data)
print(frame)
age name height
0 18 a 180
1 18 b 180
2 18 c 180
3 20 aa 182
4 20 bb 182
5 20 cc 182
DataFrame也可以用columns参数指定列索引顺序排列
frame=pd.DataFrame(data,columns=[‘name‘,‘age‘,‘height‘])
print(frame)
name age height
0 a 18 180
1 b 18 180
2 c 18 180
3 aa 20 182
4 bb 20 182
5 cc 20 182
如果传的列参数不在字典中,将会出现缺失值
frame=pd.DataFrame(data,columns=[‘name‘,‘age‘,‘height‘,‘addition‘])
print(frame)
print(frame.columns)
name age height addition
0 a 18 180 NaN
1 b 18 180 NaN
2 c 18 180 NaN
3 aa 20 182 NaN
4 bb 20 182 NaN
5 cc 20 182 NaN
Index([‘name‘, ‘age‘, ‘height‘, ‘addition‘], dtype=‘object‘)
DataFrame的一列可以按字典型标记或属性那样索引为Series
frame=pd.DataFrame(data,columns=[‘name‘,‘age‘,‘height‘])
print(frame[‘name‘])
print(frame.age)
0 a
1 b
2 c
3 aa
4 bb
5 cc
Name: name, dtype: object
0 18
1 18
2 18
3 20
4 20
5 20
Name: age, dtype: int64
行也可以通过位置或特殊属性loc进行索引
frame=pd.DataFrame(data,columns=[‘name‘,‘age‘,‘height‘])
print(frame.loc[2])
name c
age 18
height 180
Name: 2, dtype: object
以上是关于初探pandas——安装和了解pandas数据结构的主要内容,如果未能解决你的问题,请参考以下文章