码迷,mamicode.com
首页 > 其他好文 > 详细

Pandas初体验之数据结构——Series和DataFrame

时间:2020-02-23 22:02:23      阅读:140      评论:0      收藏:0      [点我收藏+]

标签:ops   绑定   python   ret   int   code   语言   and   返回值   

  Pandas是为了解决数据分析任务而创建的,纳入了大量的库和标准数据模型,提供了高效地操作大型数据集所需的工具。

  对于Pandas包,在Python中常见的导入方法如下:

from pandas import Series,DataFrame
import pandas as pd

  首先,我们需要对于SeriesDataFrame有个基本的了解:

  Series:一维数组,类似于Python中的基本数据结构list,区别是Series只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。就像数据库中的列数据。

  DataFrame: 二维的表格型数据结构。很多功能与R语言中的data.frame类似。可以将DataFrame理解为Series的容器。

  接下来我们通过实例分别了解SeriesDataFrame。

  1、Series

  PandasSeries对象是一个带索引数据构成的一维数组。可以用一个数组创建Series对象,如下所示:

In [1] : data = pd.Series([1,2,3,4])
In [2] : data
Out[2] :0    1
        1    2
        2    3
        3    4

  Series对象将一组数据和一组索引绑定在一起,我们可以通过values属性和index属性获取数据。values属性返回的结果与Numpy数组类似。index属性返回的是一个类型为pd.index的类数组对象。和Numpy数组一样,数据可以通过Python的中括号索引标签来获取:

In [3]: data.values
Out[3]:array([1,2,3,4])
In [4]: data.index
Out[4]:Int64Index([0,1,2,3])
In [5]:data2=Series([4,7,-5,3],index=[d,b,a,c])
In [6]:data2
Out[6]:
d 1
b 2
a 3
c 4        

  如果你有一些数据在一个Python字典中,你可以通过传递字典来从这些数据创建一个Series,只传递一个字典的时候,结果Series中的索引将是排序后的字典的键。

In [7]:sdata={Ohio:35000,Texas:71000,Oregon:16000,Utah:5000}
In [8]:obj3=Series(sdata)
In [9]:obj3
Out[9]:
Ohio   35000
Texas  71000
Oregon 16000
Utah   5000

  实例:

  • 创建一个名为series_aseries数组,当中值为[1,2,5,7],对应的索引为[‘nu‘, ‘li‘, ‘xue‘, ‘xi‘]

  • 创建一个名为dict_a的字典,字典中包含如下内容{‘ting‘:1, ‘shuo‘:2, ‘du‘:32, ‘xie‘:44}

  • dict_a字典转化成名为series_bseries数组。

from pandas import Series,DataFrame
import  pandas as pd

def create_series():
    ‘‘‘
    返回值:
    series_a: 一个Series类型数据
    series_b: 一个Series类型数据
    dict_a:  一个字典类型数据
    ‘‘‘
    a=[1,2,5,7]
    index=[nu,li,xue,xi]
    series_a=Series(a,index)
    dict_a={ting:1,shuo:2,du:32,xie:44}
    series_b=Series(dict_a)

    return series_a,dict_a,series_b

  2、DataFrame

  DataFrame是一个表格型的数据结构,是以一个或多个二维块存放的数据表格(层次化索引),DataFrame既有行索引还有列索引,它有一组有序的列,每列既可以是不同类型(数值、字符串、布尔型)的数据,或者可以看做由Series组成的字典。

  创建:

dictionary = {state:[0hio,0hio,0hio,Nevada,Nevada],
         year:[2000,2001,2002,2001,2002],
         pop:[1.5,1.7,3.6,2.4,2.9]}
frame = DataFrame(dictionary)

  修改行名:

frame=DataFrame(dictionary,index=[one,two,three,four,five])

  添加修改:

frame[add]=[0,0,0,0,0]

  添加Series类型:

value = Series([1,3,1,4,6,8],index = [0,1,2,3,4,5])
frame[add1] = value

  实例:

  • 创建一个五行三列的名为df1DataFrame数组,列名为 [states,years,pops],行名[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘]

  • df1添加新列,列名为new_add,值为[7,4,5,8,2]

from pandas import Series,DataFrame
import  pandas as pd

def create_dataframe():
    ‘‘‘
    返回值:
    df1: 一个DataFrame类型数据
    ‘‘‘
    df1=DataFrame(index=[one,two,three,four,five],columns=[states,years,pops])
    df1[new_add]=[7,4,5,8,2]

    return df1

  对于刚接触Pandas的同学来说,SeriesDataFrame其实也不是很难,但是它们确是基础中的基础,是我们以后学习中常用的东西,所以我们必须把它们掌握好,才能更好的学习这门课。

 

Pandas初体验之数据结构——Series和DataFrame

标签:ops   绑定   python   ret   int   code   语言   and   返回值   

原文地址:https://www.cnblogs.com/Chen-K/p/12354385.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!