pandas的数据结构

Pandas的数据结构

import pandas as pd

Pandas有两个最主要也是最重要的数据结构：Series和DataFrame

Series

Series是一种类似于一维数组的对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。

• 类似于一维数组的对象
• 由数据和索引组成
• • 索引（index）在左，数据（values）在右
• • 索引是自动创建的

1. 通过list构建Series

ser_obj = pd.Series(range(10))

示例代码：

# 通过list构建Series ser_obj = pd.Series(range(10, 20)) print(ser_obj.head(3)) print(ser_obj) print(type(ser_obj))

运行结果

0 10 1 11 2 12 dtype: int64 0 10 1 11 2 12 3 13 4 14 5 15 6 16 7 17 8 18 9 19 dtype: int64 <class 'pandas.core.series.Series'>

2. 获取数据和索引

ser_obj.index 和 ser_obj.values

示例代码：

# 获取数据 print(ser_obj.values) # 获取索引 print(ser_obj.index)

运行结果：

[10 11 12 13 14 15 16 17 18 19] RangeIndex(start=0, stop=10, step=1)

3. 通过索引获取数据

ser_obj[idx]

实例代码：

# 通过索引获取数据 print(ser_obj[0]) print(ser_obj[8])

运行结果：

10 18

4. 索引与数据的对应关系不被运算结果影响

示例代码：

# 索引与数据的对应关系不被运算结果影响 print(ser_obj * 2) print(ser_obj > 15)

运行结果：

0 20 1 22 2 24 3 26 4 28 5 30 6 32 7 34 8 36 9 38 dtype: int64 0 False 1 False 2 False 3 False 4 False 5 False 6 True 7 True 8 True 9 True dtype: bool

5. 通过dict构建Series

示例代码：

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.3} Ser_obj2 = pd.Series(year_data) print(ser_obj2.head()) print(ser_obj2.index)

运行结果：

2001 17.8 2002 20.1 2003 16.5 dtype: float64 Int64Index([2001, 2002, 2003], dtype='int64')

name属性

对象名：ser_obj.name

对象索引名：ser_obj.index.name

示例代码：

# name属性 ser_obj2.name = 'temp' ser_obj2.index.name = 'year' print(ser_obj2.head())

运行结果：

year 2001 17.8 2002 20.1 2003 16.5 Name: temp, dtype: float64

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看作是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。

• 类似多维数组/表格数据（如，excel, R中的data.frame）
• 每列数据可以是不同的类型
• 索引包括列索引和行索引

1. 通过ndarray构建DataFrame

示例代码：

import numpy as np # 通过ndarray构建DataFrame array = np.random.randn(5, 4) print(array) df_obj = pd.DataFrame(array) print(df_obj.head())

运行结果：

[[ 0.83500594 -1.49290138 -0.53120106 -0.11313932] [ 0.64629762 -0.36779941 0.08011084 0.60080495] [-1.23458522 0.33409674 -0.58778195 -0.73610573] [-1.47651414 0.99400187 0.21001995 -0.90515656] [ 0.56669419 1.38238348 -0.49099007 1.94484598]] 0 1 2 3 0 0.835006 -1.492901 -0.531201 -0.113139 1 0.646298 -0.367799 0.080111 0.600805 2 -1.234585 0.334097 -0.587782 -0.736106 3 -1.476514 0.994002 0.210020 -0.905157 4 0.566694 1.382383 -0.490990 1.944846

2. 通过dict构建DataFrame

示例代码：

# 通过dict构建DataFrame dict_data = {'A': 1, 'B': pd.Timestamp('20170426'), 'C': pd.Series(1, index = list(range(4)), dtype = 'float32'), 'D': np.array([3] * 4, dtype = 'int32'), 'E': ["Python", "Java", "C++", "C"], 'F': 'ITCast' } #print dict_data df_obj2 = pd.DataFrame(dict_data) print(df_obj2)

运行结果：

 A B C D E F 0 1 2017-04-26 1.0 3 Python ITCast 1 1 2017-04-26 1.0 3 Java ITCast 2 1 2017-04-26 1.0 3 C++ ITCast 3 1 2017-04-26 1.0 3 C ITCast

3. 通过列索引获取列数据（Series类型）

df_obj[col_idx]或df_obj.col_idx

示例代码：

 print(df_obj2['A']) print(type(df_obj2['A'])) print(df_obj2.A)

运行结果：

0 1.0 1 1.0 2 1.0 3 1.0 Name: A, dtype: float64 <class 'pandas.core.series.Series'> 0 1.0 1 1.0 2 1.0 3 1.0 Name: A, dtype: float64

4. 增加列数据

df_obj[new_col_idx] = data

类似Python的dict添加key-value

示例代码：

df_obj2['G'] = df_obj2['D'] + 4 print(df_obj2.head())

运行结果：

 A B C D E F G 0 1.0 2017-01-02 1.0 3 Python ITCast 7 1 1.0 2017-01-02 1.0 3 Java ITCast 7 2 1.0 2017-01-02 1.0 3 C++ ITCast 7 3 1.0 2017-01-02 1.0 3 C ITCast 7

5. 删除列

del df_obj[col_idx]

示例代码：

del(df_obj2['G']) print(df_obj2.head())

运行结果：

 A B C D E F 0 1.0 2017-01-02 1.0 3 Python ITCast 1 1.0 2017-01-02 1.0 3 Java ITCast 2 1.0 2017-01-02 1.0 3 C++ ITCast 3 1.0 2017-01-02 1.0 3 C ITCast