Python Pandas 中的数据结构（超详细，你确定不学习一下？）

Pandas有三种数据结构：Series、DataFrame和Panel。Series类似于数组；DataFrame类似于表格；Panel可视为Excel的多表单Sheet

目录

1.Series

1.1通过列表创建Series

1.2通过字典创建Series

2.DataFrame

3.索引对象 

4.查看DataFrame的常用属性

---

1.Series

Series是一种一维数组对象，包含一个值序列，并且包含数据标签，称为索引(index)，通过索引来访问数组中的数据。

1.1通过列表创建Series

   例1.通过列表创建

import pandas as pd
obj = pd.Series([1,-2,3,4])   #仅由一个数组构成
print(obj)

out:
0    1
1   -2
2    3
3    4
dtype: int64

输出的第一列为index，第二列为数据value。如果创建Series时没有指定index，Pandas会采用整型数据作为该Series的index。也可以使用Python里的索引index和切片slice技术
 

  例2.创建Series时指定索引

import pandas as pd
i = ["a","c","d","a"]
v = [2,4,5,7]
t = pd.Series(v,index=i,name="col")
print(t)

out:
a    2
c    4
d    5
a    7
Name: col, dtype: int64

尽管创建Series指定了index，实际上Pandas还是有隐藏的index位置信息。所以Series有两套描述某条数据手段：位置和标签 
 

  例3.Series位置和标签的使用

import pandas as pd
val = [2,4,5,6]
idx1 = range(10,14)
idx2 = "hello the cruel world".split()
s0 = pd.Series(val)
s1 = pd.Series(val,index=idx1)
t = pd.Series(val,index=idx2)
print(s0.index)
print(s1.index)
print(t.index)
print(s0[0])
print(s1[10])
print('default:',t[0],'label:',t["hello"])

1.2通过字典创建Series

         如果数据被存放在一个Python字典中，也可以直接通过这个字典来创建Series

  例4.通过字典创建Series

import pandas as pd
sdata = {'Ohio':35000,'Texass':71000,'Oregon':16000,'Utah':5000}
obj = pd.Series(sdata)
print(obj)

Ohio      35000
Texass    71000
Oregon    16000
Utah       5000
dtype: int64

如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）
 

  例5.通过字典创建Series时的索引

import pandas as pd
sdata = {"a":100,"b":200,"e":300}
obj = pd.Series(sdata)
print(obj)

a    100
b    200
e    300
dtype: int64

如果字典中的键值和指定的索引不匹配，则对应的值时NaN

  例6.键值和指定索引不匹配

import pandas as pd
sdata = {"a":100,"b":200,"e":300}
letter = ["a","b","c","e"]
obj = pd.Series(sdata,index=letter)
print(obj)

a    100.0
b    200.0
c      NaN
e    300.0
dtype: float64

对于许多应用而言，Series重要的一个功能是：它在算术运算中会自动对齐不同索引的数据

   例7.不同索引数据的自动对齐
 

import pandas as pd
sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
obj1 = pd.Series(sdata)
states = ['California','Ohio','Oregon','Texas']
obj2 = pd.Series(sdata,index=states)
print(obj1+obj2)

California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64 

Series的索引可以通过赋值的方式就地修改

  例8.Series索引的修改

import pandas as pd
obj = pd.Series([4,7,-3,2])
obj.index = ['Bob','Steve','Jeff','Ryan']
print(obj)

Bob      4
Steve    7
Jeff    -3
Ryan     2
dtype: int64

2.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(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引，它可以被看作由Series组成的字典(共用同一个索引)。跟其他类型的数据结构相比，DataFrame中面向行和面向列的操作上基本上是平衡的

 构建DataFrame的方式有很多，最常用的是直接传入一个由等长列表或NumPy数组组成的字典来形成DataFrame

  例9.DataFrame的创建

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data)
print(df)

  name     sex  year city
0   张三  female  2001   北京
1   李四  female  2001   上海
2   王五    male  2003   广州
3   小明    male  2002   北京

DataFrame会自动加上索引(跟Series一样)，且全部列会被有序排列。如果指定了列名序列，则DataFrame的列就会按照指定顺序进行排列

例10.DataFrame的索引

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city'])
print(df)

  name  year     sex city
0   张三  2001  female   北京
1   李四  2001  female   上海
2   王五  2003    male   广州
3   小明  2002    male   北京

跟Series一样，如果传入的列在数据中找不到，就会产生NaN值。

例11.DataFrame创建时的空缺值

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'])
print(df)

  name  year     sex city address
0   张三  2001  female   北京     NaN
1   李四  2001  female   上海     NaN
2   王五  2003    male   广州     NaN
3   小明  2002    male   北京     NaN

DataFrame构造函数的columns函数给出列的名字，index给出label标签

例12.DataFrame构建时指定列名

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])

print(df)

 name  year     sex city address
a   张三  2001  female   北京     NaN
b   李四  2001  female   上海     NaN
c   王五  2003    male   广州     NaN
d   小明  2002    male   北京     NaN

3.索引对象 

 Pandas的索引对象负责管理轴标签和其他元数据(例如轴名称等).构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index

  例13.显示DataFrame的索引和列

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])

print(df)
print(df.index)
print(df.columns)

  name  year     sex city address
a   张三  2001  female   北京     NaN
b   李四  2001  female   上海     NaN
c   王五  2003    male   广州     NaN
d   小明  2002    male   北京     NaN
Index(['a', 'b', 'c', 'd'], dtype='object')
Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')

索引对象不能进行修改，否则会报错。不可修改性非常重要，因为这样才能使Index对象在多个数据结构之间安全共享
除了长的像数组，Index的功能也类似于一个固定大小的集合

例14.DataFrame的Index

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])

print('name'in df.columns)
print('a'in df.index)

True
True

每个索引都有一些方法和属性，他们可用于设置逻辑并回答有关该索引所包含的数据的常见的问题。

方法	属性
append	连接另一个Index对象，产生一个新的index
diff	计算差集，并得到一个Index
intersection	计算交集
union	计算并集
isin	计算一个指示各值是否都包含在参数集合中的布尔型数组
delete	删除索引i处的元素，并得到新的Index
drop	删除传入的值，并得到新的Index
insect	将元素插入索引i处，并得到新的Index
is_monotonic	将元素均大于或等于前一个元素时，返回True
is.unique	当Index没有重复值时，返回True
unique	计算Index中唯一值的数组

 

  例15.插入索引值

 

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])

df.index.insert(1,'w')

Index(['a', 'w', 'b', 'c', 'd'], dtype='object')

 4.查看DataFrame的常用属性

DataFrame的基础属性有value、index、columns、dtypes、ndim和shape，分别可以获取DataFrame的元素、索引、列名、类型、维度和形状。

  例16.显示DataFrame的属性

 

import pandas as pd
data = {
    'name':['张三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','广州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])

print(df)
print('信息表的所有值为：n',df.values)
print('信息表的所有列为：n',df.columns)
print('信息表的元素个数：n',df.size)
print('信息表的维度：n',df.ndim)
print('信息表的形状：n',df.shape)

  name  year     sex city address
a   张三  2001  female   北京     NaN
b   李四  2001  female   上海     NaN
c   王五  2003    male   广州     NaN
d   小明  2002    male   北京     NaN
信息表的所有值为：
 [['张三' 2001 'female' '北京' nan]
 ['李四' 2001 'female' '上海' nan]
 ['王五' 2003 'male' '广州' nan]
 ['小明' 2002 'male' '北京' nan]]
信息表的所有列为：
 Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')
信息表的元素个数：
 20
信息表的维度：
 2
信息表的形状：
 (4, 5)

代码007普通

打赏 收藏 海报 链接