pandas模块学习笔记1--数据结构

Posted 2020-10-08

pandas是基于Numpy构建的。

pandas的两个主要数据结构：Series和DataFrame。

Series和DataFrame用的次数非常多，将其导入本地命名空间会更方便：

from pandas import Series, DataFrame

一、Series

Series是一种类似于一维数组的对象，由数据和数据标签（索引）组成，创建Series：

obj = Series([1,2,3])  # 该情况下会自动创建整数型索引，以0开头；索引在左边，值在右边
print(obj.index)      # 通过Series的values和index属性可以获取数值和索引
print(obj.values)

obj2 = Series([345,54,34,345,35],index=[‘a‘,‘b‘,‘c‘,‘d‘,‘e‘])  # 自定义索引创建Series
data = {‘ohin‘:234,‘sef‘:124}  # 通过字典来创建Series
obj3 = Series(data)

Series的一个重要功能是：在算术运算中会自动对齐不同索引的数据

二、DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。DataFrame既有行索引也有列索引，可以看成是Series组成的字典（共用同一个索引）。

创建DataFrame：传入一个由等长列表组成的字典

data = {
    ‘state‘:[‘Ohio‘,‘Ohio‘,‘Ohio‘,‘Nevada‘,‘Nevada‘],
    ‘year‘:[2000,2001,2002,2001,2002],
    ‘pop‘:[1.5,1.7,3.6,2.4,2.9]
}
frame = DataFrame(data)
输出为：
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002

跟Series一样，如果传入的列在数据中找不到，就会产生NA值：

frame = DataFrame(data, columns=[‘state‘,‘year‘,‘pop‘,‘debt‘],index=[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘])
输出为：
        state  year  pop debt
one      Ohio  2000  1.5  NaN
two      Ohio  2001  1.7  NaN
three    Ohio  2002  3.6  NaN
four   Nevada  2001  2.4  NaN
five   Nevada  2002  2.9  NaN

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series：

print(frame.state)
或 print(frame[‘state‘])
输出为：
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

行也可以通过位置或名称的方式进行获取，比如用索引字段ix：

print(frame.ix[‘three‘])
输出为：
state    Ohio
year     2002
pop       3.6
debt      NaN
Name: three, dtype: object

列可以通过赋值的方式进行修改，将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。为不存在的列赋值会创建出一个新列。关键字del用于删除列。

通过索引方式返回的列只是相应数据的视图而已，并不是副本。因此，对返回的Series所做的任何修改全部都会反映到源DataFrame上。

另一种常见的数据形式是嵌套字典（字典的字典）：如果将它传给DataFrame函数，会被解释为：外层字典的键作为列，内层键作为行索引：

pop = {
    ‘Nevada‘:{2001:2.4,2002:2.9},
    ‘Ohio‘:{2000:1.5,2001:1.7,2002:3.6}
}
frame3 = DataFrame(pop)
print(frame3)
输出为：
      Nevada  Ohio
2000     NaN   1.5
2001     2.4   1.7
2002     2.9   3.6