• pandas是python第三方庫，提供高性能易用數據類型和分析工具
• pandas基于numpy實現，常與numpy和matplotlib一同使用
• pandas中有兩大核心數據結構：Series（一維數據） 和 DataFrame（多特征數據）

>> 01 Series（一維數據）

• Series是一種類似于一維數組的對象，它由一維數組（各種numpy數據類型）以及一組與之相關的數據標簽（即索引）組成；
• Seriesd的數據結構為“鍵值對”的形式，“鍵”可以重復；
• Series的創建：①使用Python數組創建? ②使用numpy數組創建? ③使用python字典創建

import pandas as pd
import numpy as np
pds1 = pd.Series([99, 98], index=['xiaoming', 'xiaohong'])
print(pds1)          # 使用Python數組創建pds2 = pd.Series(np.arange(3,6))
print(pds2)          # 使用numpy數組創建pds3 = pd.Series({'name': 'xiaoming', 'age': 21, 'score': 99})
print(pds3)          # 使用python字典創建# 注意：與字典不同的是：Series允許索引重復

• Series的字符串表現形式為：索引在左邊，值在右邊

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print(pds)

• 如果沒有為數據指定索引，則自動創建一個0到N-1（N為數據的長度）的整數型索引
• 可以通過Series的values和index屬性獲取其數組表示形式和索引對象

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print('values',pds.values)
print('index',pds.index)

• 與普通numpy數組相比，可以通過索引的方式選取Series中的單個或一組值

import pandas as pd
pds = pd.Series([1, 2, 3, 4])
print(pds[0])           # 讀取第一個值
pds[1] = 10             # 更改第二個值
print(pds[[1,2]])

• Series中最重要的一個功能是：在算術運算中自動對齊不同索引的數據

import pandas as pd
stu1 = pd.Series({'math': 100, 'physics': 98, 'chemistry': 90})
stu2 = pd.Series({'math': 95, 'physics': 96, 'chemistry': 94})
print(stu1 + stu2)

>> 02 DataFrame（多特征數據）

• DataFrame是一個表格型的數據結構，含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾值等）
• DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）
• 跟其他類似的數據結構相比，DataFrame中面向行和面向列的操作基本上是平衡的
• DataFrame中的數據是以一個或多個二維塊存放的（而不是列表、字典或別的一維數據結構）

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
print(fr)# 可按照指定的列順序創建
fr = pd.DataFrame(data, columns=['score', 'name'])  
print(fr)

• 可以給DataFrame創建或修改列的值

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
# 新增某列的值
fr['age'] = [21,22,20]
print(fr)# 修改某一個值
fr.loc[1, 'age'] = 30
print(fr)

• values屬性會以二維ndarray的形式返回DataFrame中的數據

import pandas as pddata = {'name': ['A1', 'A2', 'A3'], 'score': [100, 99, 98]}
fr = pd.DataFrame(data)
print(fr.values)

總結

以上是生活随笔為你收集整理的机器学习四剑客3——Pandas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。