Pandas數(shù)據(jù)結(jié)構(gòu)

做python數(shù)據(jù)分析，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)的童鞋應(yīng)該都離不開pandas。在做數(shù)據(jù)的預(yù)處理的時(shí)候pandas尤為給力。

本文主要介紹pandas中的兩種數(shù)據(jù)結(jié)構(gòu)：series,dataframe。

import pandas as pd

1.Series

首先來(lái)介紹series數(shù)據(jù)結(jié)構(gòu)。

series 類似于一維數(shù)組的對(duì)象。對(duì)于series基本要掌握的是：

構(gòu)建series

獲取series中的數(shù)據(jù)與索引

預(yù)覽數(shù)據(jù)

通過(guò)索引獲取數(shù)據(jù)

Series的運(yùn)算

name屬性

1.1 構(gòu)建Series

• 通過(guò)list構(gòu)建Series

向pd.Series()中傳入一個(gè)list。就等于將這個(gè)list轉(zhuǎn)換成了Series數(shù)據(jù)格式了。

可以通過(guò)打印數(shù)據(jù)類型來(lái)檢查，顯示的是Series

ser_obj = pd.Series(range(10, 20))print type(ser_obj) <class 'pandas.core.series.Series'>

• 通過(guò)字典dict構(gòu)建Series

dict中每個(gè)key其實(shí)是索引，對(duì)應(yīng)的value是值。所有的值的數(shù)據(jù)類型需一致。

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5} ser_obj2 = pd.Series(year_data) print ser_obj2.head() 2001 17.8 2002 20.1 2003 16.5 dtype: float64

1.2 獲取數(shù)據(jù)與索引

對(duì)于Series， 使用.values方法就能獲取它的值；使用.index方法就能獲取它的索引。

下面這個(gè)例子獲取的索引并沒(méi)有直接逐個(gè)打印出來(lái)，而是打印了一個(gè)RangeIndex，里面的參數(shù)表示起始數(shù)（包括），結(jié)尾數(shù)（不包括），步長(zhǎng)為1。

# 獲取數(shù)據(jù) print ser_obj.values# 獲取索引 print ser_obj.index [10 11 12 13 14 15 16 17 18 19] RangeIndex(start=0, stop=10, step=1)

1.3 預(yù)覽數(shù)據(jù)

如果數(shù)據(jù)量太大，但又想看看數(shù)據(jù)的格式，那么可以提取前幾條數(shù)據(jù)來(lái)瞧一瞧。

直接使用.head()，如果里面不傳入?yún)?shù)，那么默認(rèn)提取前5條數(shù)據(jù)；括號(hào)里也可以出傳入?yún)?shù)來(lái)指定提取前面n條。

# 預(yù)覽數(shù)據(jù) print ser_obj.head(3) 0 10 1 11 2 12 dtype: int64

1.4 獲取數(shù)據(jù)

可以通過(guò)索引獲取Series中對(duì)應(yīng)位置的value。索引放在中括號(hào)[]中。

#通過(guò)索引獲取數(shù)據(jù) print ser_obj[0] print ser_obj[8] 10 18

1.5 運(yùn)算

對(duì)1個(gè)Series 進(jìn)行加減乘數(shù)的運(yùn)算時(shí)，表示對(duì)Series中的每個(gè)元素都做一次運(yùn)算，然后輸出相同長(zhǎng)度的Series。

# 索引與數(shù)據(jù)的對(duì)應(yīng)關(guān)系仍保持在數(shù)組運(yùn)算的結(jié)果中 print ser_obj * 3 0 30 1 33 2 36 3 39 4 42 5 45 6 48 7 51 8 54 9 57 dtype: int64

除了普通的加減乘除等運(yùn)算，還可以進(jìn)行布爾運(yùn)算，如下，會(huì)將所有大于15的值輸出成True， 小于15的值輸出成False。

print ser_obj > 15 0 False 1 False 2 False 3 False 4 False 5 False 6 True 7 True 8 True 9 True dtype: bool

1.6 name屬性

可以對(duì)Series中的Index和Values添加自定義的名字。

# name屬性 ser_obj2.name = 'score' ser_obj2.index.name = 'year' print ser_obj2.head() year 2001 17.8 2002 20.1 2003 16.5 Name: score, dtype: float64

2.DataFrame

DataFrame類似于多維數(shù)組或表格數(shù)據(jù)，與excel類似。

每列數(shù)據(jù)可以是不同的類型，但是同一列的數(shù)據(jù)需保持一致數(shù)據(jù)類型。

DataFrame的索引包括行索引與列索引。

掌握DataFrame的基本使用，需要熟悉以下幾個(gè)要點(diǎn)。

構(gòu)建DataFrame的兩種方法：ndarray構(gòu)建，dict構(gòu)建

通過(guò)索引獲取數(shù)據(jù)

增加與刪除數(shù)據(jù)

import numpy as np

• ?

2.1 構(gòu)建DataFrame

• 通過(guò)ndarray構(gòu)建DataFram

# 首先創(chuàng)建一個(gè)ndarray （大小是5*4） array = np.random.randn(5,4) print array# 將ndarray傳入pd.DataFrame()中，即得到了一個(gè)DataFrame df_obj = pd.DataFrame(array) print df_obj.head() [[-1.15943918 0.41562598 0.24219151 -0.54127251][-0.72949761 0.7299977 -0.35770911 -1.55597979][-0.26508669 0.73079105 0.019037 -0.28775191][ 2.35757276 0.54826604 -1.10932131 0.36925581][ 0.60940029 0.11843865 -0.30061918 0.44980428]]0 1 2 3 0 -1.159439 0.415626 0.242192 -0.541273 1 -0.729498 0.729998 -0.357709 -1.555980 2 -0.265087 0.730791 0.019037 -0.287752 3 2.357573 0.548266 -1.109321 0.369256 4 0.609400 0.118439 -0.300619 0.449804

上面構(gòu)建好的DataFrame可見(jiàn)左邊有一列是行索引，上面有一行是列索引。如果沒(méi)有特殊指定，系統(tǒng)會(huì)默認(rèn)生成行索引與列索引的。

• 通過(guò)dict構(gòu)建DataFrame

還記得通過(guò)字典構(gòu)建series時(shí)，Key是作為索引的；在DataFrame中，Key是作為列索引（列名）。

講dict傳給pd.DataFrame()中即構(gòu)成了一個(gè)DataFrame

dict_data = {'A': 1., 'B': pd.Timestamp('20161223'),'C': pd.Series(1, index=list(range(4)),dtype='float32'),'D': np.array([3] * 4,dtype='int32'),'E' : pd.Categorical(["Python","Java","C++","C#"]),'F' : 'wangxiaocao' } #print dict_data df_obj2 = pd.DataFrame(dict_data) print df_obj2.head() A B C D E F 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 3 1.0 2016-12-23 1.0 3 C# wangxiaocao

2.2 通過(guò)索引獲取數(shù)據(jù)

這里先簡(jiǎn)單介紹一下通過(guò)列索引來(lái)獲取數(shù)據(jù)。

通過(guò)列索引獲取的數(shù)據(jù)顧名思義就是獲取處該索引的一整列。著一整列的數(shù)據(jù)其實(shí)就是Series的數(shù)據(jù)格式。

所以DataFrame可以看成是由一列一列的series組成的。

有兩種方式：
1. df_obj2[‘F’]
2. df_obj2.F

# 方式1 print df_obj2['F'] print type(df_obj2['F'])# 方式2 print df_obj2.F 0 wangxiaocao 1 wangxiaocao 2 wangxiaocao 3 wangxiaocao Name: F, dtype: object <class 'pandas.core.series.Series'> 0 wangxiaocao 1 wangxiaocao 2 wangxiaocao 3 wangxiaocao Name: F, dtype: object

2.3 增加與刪除列

# 增加列 df_obj2['G'] = df_obj2['D'] + 4 print df_obj2.head() A B C D E F G 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 7 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 7 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 7 3 1.0 2016-12-23 1.0 3 C# wangxiaocao 7 # 刪除列 del df_obj2['G'] print df_obj2.head() A B C D E F 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 3 1.0 2016-12-23 1.0 3 C# wangxiaocao

3.索引對(duì)象 Index

pandas的兩種數(shù)據(jù)格式都與索引息息相關(guān)，這里羅列一下索引的相關(guān)知識(shí)。

首先要明確索引的特性：不可變！索引

# 索引對(duì)象不可變 df_obj2.index[0] = 2 ---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-17-7f40a356d7d1> in <module>()1 # 索引對(duì)象不可變 ----> 2 df_obj2.index[0] = 2/home/cc/anaconda2/lib/python2.7/site-packages/pandas/indexes/base.pyc in __setitem__(self, key, value)1243 1244 def __setitem__(self, key, value): -> 1245 raise TypeError("Index does not support mutable operations")1246 1247 def __getitem__(self, key):TypeError: Index does not support mutable operations

常見(jiàn)的Index種類有：

Index

Int64Index

MultiIndex:層級(jí)索引

DatetimeINdex：時(shí)間戳類型的索引

print type(ser_obj.index) print type(df_obj2.index)print df_obj2.index <class 'pandas.indexes.range.RangeIndex'> <class 'pandas.indexes.numeric.Int64Index'> Int64Index([0, 1, 2, 3], dtype='int64')

---

注：部分例子來(lái)自于小象學(xué)院Robin課程

總結(jié)

以上是生活随笔為你收集整理的01Pandas_数据结构的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。