这篇文章将为大家详细讲解有关Python Pandas数据结构的示例分析,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
1 Pandas介绍
2008年WesMcKinney开发出的库
专门用于数据挖掘的开源python库
以Numpy为基础,借力Numpy模块在计算方面性能高的优势
基于matplotlib,能够简便的画图
独特的数据结构
Numpy已经能够帮助我们处理数据,能够结合matplotlib解决部分数据展示等问题,那么pandas学习的目的在什么地方呢?
增强图表可读性
便捷的数据处理能力
读取文件方便
封装了Matplotlib、Numpy的画图和计算
2 Pandas数据结构
Pandas中一共有三种数据结构,分别为:Series、DataFrame和MultiIndex(老版本中叫Panel )。
其中Series是一维数据结构,DataFrame是二维的表格型数据结构,MultiIndex是三维的数据结构。
2.1 Series
Series是一个类似于一维数组的数据结构,它能够保存任何类型的数据,比如整数、字符串、浮点数等,主要由一组数据和与之相关的索引两部分构成。
2.1.1 Series的创建
# 导入pandasimport pandas as pdpd.Series(data=None, index=None, dtype=None)
参数:
data:传入的数据,可以是ndarray、list等
index:索引,必须是唯一的,且与数据的长度相等。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
dtype:数据的类型
指定索引创建:
pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])
通过字典数据创建
color_count = pd.Series({'red':100, 'blue':200, 'green': 500, 'yellow':1000})color_count
2.1.2 Series的属性
为了更方便地操作Series对象中的索引和数据,Series中提供了两个属性index和values
index
color_count.index# 结果Index(['blue', 'green', 'red', 'yellow'], dtype='object')
values
color_count.values# 结果array([ 200, 500, 100, 1000])
当然也可以使用索引来获取数据:
color_count[2]# 结果100
2.2 DataFrame
DataFrame是一个类似于二维数组或表格(如excel)的对象,既有行索引,又有列索引。
行索引,表明不同行,横向索引,叫index,0轴,axis=0
列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
2.2.1 DataFrame的创建
# 导入pandasimport pandas as pdpd.DataFrame(data=None, index=None, columns=None)
参数:
index:行标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
columns:列标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
举例:创建学生成绩表
# 生成10名同学,5门功课的数据score = np.random.randint(40, 100, (10, 5))# 结果array([[46, 93, 49, 70, 53], [42, 86, 65, 50, 87], [41, 74, 44, 87, 64], [62, 57, 45, 46, 86], [82, 46, 72, 85, 63], [82, 77, 61, 55, 41], [48, 41, 48, 52, 58], [90, 53, 95, 96, 78], [77, 49, 51, 76, 56], [79, 91, 75, 95, 66]])
但是这样的数据形式很难看到存储的是什么的样的数据,可读性比较差!!
问题:如何让数据更有意义的显示?
# 使用Pandas中的数据结构score_df = pd.DataFrame(score)
增加行、列索引:
# 构造行索引序列subjects = ["语文", "数学", "英语", "物理", "化学"]# 构造列索引序列stu = ['同学' + str(i) for i in range(score.shape[0])]# 添加行索引data = pd.DataFrame(score, columns=subjects, index=stu)
2.2.2 DataFrame的属性
shape
data.shape# 结果(10, 5)
index
DataFrame的行索引列表
data.index# 结果Index(['同学0', '同学1', '同学2', '同学3', '同学4', '同学5', '同学6', '同学7', '同学8', '同学9'], dtype='object')
columns
DataFrame的列索引列表
data.columns# 结果Index(['语文', '数学', '英语', '政治', '体育'], dtype='object')
values
直接获取其中array的值
data.valuesarray([[46, 93, 49, 70, 53], [42, 86, 65, 50, 87], [41, 74, 44, 87, 64], [62, 57, 45, 46, 86], [82, 46, 72, 85, 63], [82, 77, 61, 55, 41], [48, 41, 48, 52, 58], [90, 53, 95, 96, 78], [77, 49, 51, 76, 56], [79, 91, 75, 95, 66]])
T
转置
data.T
输出结果:
head(5):显示前5行内容 (很常用)
如果不补充参数,默认5行。填入参数N则显示前N行
data.head(5)
tail(5):显示后5行内容
如果不补充参数,默认5行。填入参数N则显示后N行
data.tail(5)
2.2.3 DatatFrame索引的设置
修改行列索引值
stu = ["学生_" + str(i) for i in range(score_df.shape[0])]# 必须整体全部修改data.index = stu
注意:以下修改方式是错误的
# 错误修改方式data.index[3] = '学生_3' # 错误
重设索引
reset_index(drop=False)
设置新的下标索引
drop:默认为False,不删除原来索引,如果为True,删除原来的索引值
# 重置索引,drop=Falsedata.reset_index()
以某列值设置为新的索引
set_index(keys, drop=True)
keys : 列索引名成或者列索引名称的列表
drop : boolean, default True.当做新的索引,删除原来的列
df = pd.DataFrame({'month': [1, 4, 7, 10], 'year': [2012, 2014, 2013, 2014], 'sale':[55, 40, 84, 31]}) df = df.set_index(['year', 'month'])
注:通过刚才的设置,这样DataFrame就变成了一个具有MultiIndex的DataFrame。
关于“Python Pandas数据结构的示例分析”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。