前言

NumPy作為數據處理的利器，在對數據進行科學計算、存儲處理大型矩陣等方面為我們帶來了極大的方便，但對于更進一步的數據分析任務，文件操作等方面顯得有些吃力。于是，作為NumPy的進階庫pandas應運而生，在實際應用中，一般NumPy和pandas都是一起出現的，二者再配合Matplotlib可以做很多基礎的數據處理、分析和展示。

經過前幾次的內容，我們已經掌握了NumPy的基本用法，接下來我們將開始進入到pandas的介紹。

pandas基本概念

pandas是基于NumPy構建的一種數據處理工具，被譽為Python中的Excel，主要是為了解決數據分析任務而創建的。pandas中含有大量的數據處理運算相關庫以及一些標準的數據模型，提供了高效操作大型數據集必備的工具。利用pandas提供的函數和方法能使我們快速便捷高效地處理數據。

下面給出了pandas庫的安裝教程以及pandas中文參考文檔。

pandas的安裝教程：http://pandas.pydata.org/pandas-docs/stable/install.html

pandas中文文檔：https://www.pypandas.cn

pandas基本數據結構

pandas主要包括四類數據結構：Series、Time-Series、DataFrame和Panel。

Series：類似于NumPy中的一維ndarray，能保存不同種數據類型，包括字符串、boolean值、數字等。除了可以使用NumPy中一維ndarray可用的函數或方法外，還可以通過索引標簽的方式獲取數據，具有索引的自動對齊功能。

Time-Series：以時間為索引的Series。之所以將它從Series中獨立出來，是因為時間序列在數據處理與分析中是一個很重要的概念，之后講到時再具體介紹。

DataFrame：二維的表格型數據結構。功能非常類似于R語言中的data.frame。從結構上來看，我們可以將DataFrame理解為Series的容器。

Panel：三維數據結構。從結構上來看，我們可以理解為DataFrame的容器。

初識Series和DataFrame

Series和DataFrame是pandas中我們最常用的兩個數據結構，我們分別創建Series和DataFrame來看一下它們的基本結構。

我們首先創建一個一維ndarray，然后通過pandas的Series()函數，將這個一維ndarray傳入，即可生成一個Series，基本用法如下。?

import numpy as npimport pandas as pdarr = np.arange(10)print(arr)print("---------------")eries = pd.Series(arr)print(series)

運行結果如下所示，可以看到，相比于NumPy的一維ndarray，Series多了一個默認從0開始的索引。

基本Series

當然，Series的這個默認索引是可以修改的，我們只需要在使用Series()函數的時候多傳入一個index列表參數即可。需要注意的是，index的長度必須要與Series的長度保持一致。?

import numpy as npimport pandas as pdarr = np.arange(10)print(arr)print("---------------")series = pd.Series(arr, index=list('abcdefghij'))print(series)

我們傳入一個‘abcdefghij’的列表序列作為index，再次運行， Series的索引就改變了。運行結果如下所示。

改變Series索引

接下來我們看一下DataFrame。與Series類似，由于DataFrame相當于NumPy中二維ndarray的表格型數據結構，我們可以通過NumPy的二維ndarray來創建DataFrame，基本用法如下。?

import numpy as npimport pandas as pdarr = np.arange(12).reshape(3, 4)print(arr)print("---------------")data_frame = pd.DataFrame(arr)print(data_frame)

通過pandas的DataFrame()函數，傳入二維ndarray。運行結果如下所示，可以看到，相比于NumPy的二維ndarray，DataFrame的排列格式更像是一個Excel表格，并且行列都具有默認從0開始的索引。

基本DataFrame

同樣的，我們可以修改DataFrame的默認行列索引，在使用DataFrame()函數的時候傳入index列表參數修改行索引，傳入columns列表參數修改列索引。其中，index和columns的長度分別必須與DataFrame的行長度和列長度保持一致。?

import numpy as npimport pandas as pdarr = np.arange(12).reshape(3, 4)print(arr)print("---------------")data_frame = pd.DataFrame(arr, index=list('abc'), columns=list('ABCD'))print(data_frame)

我們將index設置為‘abc’的列表序列，columns設置為‘ABCD’的列表序列，再次運行，默認的行列索引都成功改變了。

修改DataFrame的行列索引

Series和DataFrame相比于NumPy中的一維ndarray和二維ndarray，從結構上來看最大的區別就是多了索引。此外，可以看到，NumPy中的ndarray就像是矩陣，而pandas中的Series和DataFrame更像是表格，這樣的形狀區別也注定了二者的應用場景的不同，在后續的內容中，我們會漸漸體會到兩者的區別。

總結

以上介紹了pandas的基本概念和基本數據結構，簡單熟悉了pandas中兩個重要的數據結構Series和DataFrame以及它們跟NumPy中的ndarray的區別。下次內容我們開始詳細介紹pandas中的Series、DataFrame和其他相關知識。感謝大家的關注，歡迎批評指正，一起交流~

?

總結

以上是生活随笔為你收集整理的dataframe修改数据_数据处理进阶pandas入门（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。