Python数据分析模块 | pandas做数据分析(一):基本数据对象

pandas有两个最主要的数据结构,分别是Series和DataFrame,所以一开始的任务就是好好熟悉一下这两个数据结构。

1、Series

官方文档: pandas.Series (http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html#pandas.Series )

Series是类似于一维数组的对象,由一组数据(各种numpy的数据类型)以及一组与之相关的标签组成。首先看一下怎么构造出Series来。

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

参数: data : 类array的,字典,或者是标量 index : 索引列表,和data的长度一样 dtype : numpy.dtype,没有的话,会根据data内容自动推断 copy : boolean,默认是False

常用属性

接下来给出属性,常用的属性经常用到的不多,其他的属性可以查上面给出的文档。

属性: dtype 数据元素的类型. empty 是否为空. index 索引对象 ix A primarily label-location based indexer, with integer position fallback. loc Purely label-location based indexer for selection by label. name nbytes return the number of bytes in the underlying data ndim 返回数据部分的维度大小 shape 返回一个元组,表示数据的形状 size 返回元素的数量。 strides return the strides of the underlying data values 返回Series对象中的值部分,ndarray类型

这里直接给出例子来创建Series。有很多中创建方式,很繁杂,所以就把例子放在一起,就一目了然了。

# -*- coding: utf-8 -*-
from __future__ import print_function,division
#from pandas import Series,DataFrame
import pandas as pd
#传入data却不传入索引列表,那么自动创建0~N-1的索引
S=pd.Series(data=[1,2,3,4])
print ("S:\n",S)

#传入了data和索引列表
print () 
S2=pd.Series(data=[4,3,2,1],index=["a","b","c","d"])
print ("S2:\n",S2)
print (S2.index)
#通过索引的方式来访问一个或者一列值(很像字典的访问)
print (S2['c'])
print (S2[['a','b','c']])#通过字典创建(上面还说了很像一个字典)
print () dict={"leo":24,"kate":23,"mat":11}
 S3=pd.Series(data=dict)
print ("S3:\n",S3)
#即使是传入一个字典,还是可以传入一个索引的,
# 要是索引和字典中的相同,那么就会并进去
# 要是不相同,那么找不到值,相应的value就会被设为NaN
print () idx=["leo","kate","pig","cat"]
 S4=pd.Series(data=dict,index=idx)
print ("S4:\n",S4)

结果:详解看注释

2、Data Frame

官方文档:DataFrame

很自然的,首先依旧是要看一下怎么创建DataFrame对象.下面是构造函数. class pandas.DataFrame(data=None,index=None,columns=None, dtype=None, copy=False)

参数: data : 传入的数据,可以是二维的ndarray,字典,或者一个DataFrame对象.还可以传入各种类型组合的数据,这里不细讲了,在实际中遇到再讲 index : Index对象或者array-like型,可以简单的理解为”行”索引. columns :Index对象或者array-like型,可以简单的理解为列索引. dtype : 元素的类型. copy : 布尔值,表示是否显式复制.默认为False.

这里直接通过例子来说明DataFrame的创建.

创建DataFrame对象最常用的就是传入等长列表组成的字典啦:

import numpy as np
import pandas as pd
#等长列表组成的字典
data={        
"name":["leo","tom","kate","pig"],        
"age":[10,20,30,40],        
"weight":[50,50,40,200]
 } 
frame=pd.DataFrame(data=data) 
print("frame:") 
print(frame)
#指定列顺序columns
frame2=pd.DataFrame(data=data,columns=["name","weight","age"]) 
print("frame2:") 
print(frame2)
#指定index,其中columns参数里面没有的,会被设置为NaN
frame3=pd.DataFrame(data=data,columns=["name","weight","age","height"],index=["one","two","three","four"]) 
print("frame3:") 
print(frame3)
#索引一列
print("name:\n",frame3["name"]) 
print("weight:\n",frame3.weight)
#改变一列的值
frame3["height"]=100
print("frame3") 
print(frame3)

结果:

常用属性

T:转秩 at 基于索引的快速标量访问器,比如使用的时候xxx.at[index,colume] iat 整形索引快速访问标量,使用方式例如obj.iat[1,2],相当于依靠位置访问某个元素 dtypes 返回各个列的元素类型. empty 判断是否是空 loc 通过index来选择,可以得到标量,也可以得到一个Series对象.使用方式可以参照at属性. iloc 整形索引,作用和loc一模一样,只是这个是通过整形来索引.这些都只能够得到单个的行或者列. ix 可以根据标签选择单个或者一组行,单个列或者一组列,是非常灵活的属性. ndim 维度数目Number of axes / array dimensions shape 形状 size 所有元素数量 values 返回表示值的ndarray

这里是第一部分的一些示例代码:XierHacker/LearnPandas

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-12-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏码匠的流水账

java9系列(五)Stack-Walking API

java9新增这个类的目的是提供一个标准API用于访问当前线程栈,之前只有Throwable::getStackTrace、Thread::getStackTr...

421
来自专栏余生开发

echarts太阳分布图-饼图来回穿梭

var dom = document.getElementById("container");

1172
来自专栏一个会写诗的程序员的博客

java.base.jmod

/Library/Java/JavaVirtualMachines/jdk-9.jdk/Contents/Home/jmods$ jmod list java....

1112
来自专栏高性能服务器开发

(八)高性能服务器架构设计总结3——以flamigo服务器代码为例

再看filezilla,一款ftp工具的服务器端,它采用的是Windows的WSAAsyncSelect模型(代码下载地址:https://github.com...

3486
来自专栏linux驱动个人学习

高通Audio中ASOC的machine驱动

ASoC被分为Machine、Platform和Codec三大部分,其中的Machine驱动负责Platform和Codec之间的耦合以及部分和设备或板子特定的...

9754
来自专栏高性能服务器开发

(八)高性能服务器架构设计总结3——以flamigo服务器代码为例

再看filezilla,一款ftp工具的服务器端,它采用的是Windows的WSAAsyncSelect模型(代码下载地址:https://github.com...

1191
来自专栏Hadoop数据仓库

Oracle sqlldr 如何导入一个日期列

1. LOAD DATA INFILE * INTO TABLE test FIELDS TERMINATED BY X'9' TRAILING NULLCO...

1786
来自专栏WOLFRAM

向日葵中的数学之美

1833
来自专栏码匠的流水账

spring security reactive获取security context

本文主要研究下reactive模式下的spring security context的获取。

1762
来自专栏MelonTeam专栏

Bitmap 源码阅读笔记

导语: Android 系统上的图片的处理,跟Bitmap 这个类脱不了关系,我们有必要去深入阅读里面的源码,以便在工作中能更好的处理Bitmap相关的问题...

2498

扫码关注云+社区