pandas教程（一）Series与DataFrame

K同学啊

发布于 2019-01-22 11:18:20

9180

发布于 2019-01-22 11:18:20

文章被收录于专栏：明天依旧可好的专栏

前言

如何学习：先随着小编看一下几个重要的函数方法，然后用实例加以巩固

预备知识：NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：实际的数据、描述这些数据的元数据

此外小编为你准备了：Python系列

开始使用pandas，你需要熟悉它的两个重要的数据结构：

Series：是一个值的序列，它只有一个列，以及索引。

DataFrame：是有多个列的数据表，每个列拥有一个 label，当然，DataFrame 也有索引。

首先我们导入包：

In [1]: from pandas import Series, DataFrame
In [2]: import pandas as pd

下面我们将详细介绍Series、DataFrame这俩个部分

一、Series

Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy的数据类型）和一个与数组关联的数据标签，被叫做索引。最简单的Series是由一个数组的数据构成：

In [3]: obj = Series([4, 7, -5, 3])
In [4]: obj
Out[4]:
0    4
1    7
2   -5
3    3
dtype: int64

通常，需要创建一个带有索引来确定没一个数据点的Series：

In [5]: obj2 = Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
In [6]: obj2
Out[6]:
d    4
b    7
a   -5
c    3
dtype: int64
In [7]: obj2.index
Out[7]: Index(['d', 'b', 'a', 'c'], dtype='object')

与正规的NumPy数组相比，你可以使用索引里的值来选择一个单一值或一个值集：

In [8]: obj2['a']
Out[8]: -5
In [9]: obj2['d'] = 6
In [10]: obj2[['c', 'a', 'd']]
Out[10]:
c    3
a   -5
d    6
dtype: int64

我们也可以对Series进行一些处理，然后，再进行输出：

In [11]: obj2
Out[11]:
d    6
b    7
a   -5
c    3
dtype: int64

In [12]: obj2[obj2 > 0]
Out[12]:
d    6
b    7
c    3
dtype: int64

In [13]: obj2 * 2
Out[13]:
d    12
b    14
a   -10
c     6
dtype: int64

另一种思考的方式是，Series是一个定长的，有序的字典，因为它把索引和值映射起来了。它可以适用于许多期望一个字典的函数：

In [14]: 'b' in obj2
Out[14]: True

In [15]: 'e' in obj2
Out[15]: False

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：

In [16]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
In [17]: obj3 = Series(sdata)
In [18]: obj3
Out[18]:
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

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 [19]: states = ['California', 'Ohio', 'Oregon', 'Texas']
In [20]: obj4 = Series(sdata, index=states)
In [21]: obj4
Out[21]:
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64

在这种情况下， sdata 中的3个值被放在了合适的位置，但因为没有发现对应于 ‘California’ 的值，就出现了 NaN （不是一个数），这在pandas中被用来标记数据缺失或 NA 值。在pandas中用函数 isnull 和 notnull 来检测数据丢失：

In [22]: pd.isnull(obj4)
Out[22]:
California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool

In [23]: pd.notnull(obj4)
Out[23]:
California    False
Ohio           True
Oregon         True
Texas          True
dtype: bool

Series的索引可以通过赋值就地更改：

In [24]: obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']
In [25]: obj
Out[25]:
Bob      4
Steve    7
Jeff    -5
Ryan     3
dtype: int64

二、DataFrame

一个Datarame表示一个表格，类似电子表格的数据结构，包含一个经过排序的列表集，它们每一个都可以有不同的类型值（数字，字符串，布尔等等）。Datarame有行和列的索引；它可以被看作是一个Series的字典（每个Series共享一个索引）。与其它你以前使用过的（如 R 的 data.frame )类似Datarame的结构相比，在DataFrame里的面向行和面向列的操作大致是对称的。在底层，数据是作为一个或多个二维数组存储的，而不是列表，字典，或其它一维的数组集合。

直接指定列数据来创建DataFrame

In [1]: data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
    ...: 'year': [2000, 2001, 2002, 2001, 2002],
    ...: 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}

In [2]: DataFrame(data)
Out[2]:
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002

以Series数组来创建DataFrame

这两种创建方法的不同之处在于：第一种方法创建的DataFrame的列（column）的数据类型是相同的，第二种方法创建的DataFramed的行（row）的数据类型是相同的。

设置DataFrame列的排列顺序：

In [3]: DataFrame(data, columns=['year', 'state', 'pop'])
Out[3]:
   year   state  pop
0  2000    Ohio  1.5
1  2001    Ohio  1.7
2  2002    Ohio  3.6
3  2001  Nevada  2.4
4  2002  Nevada  2.9

和Series一样，如果你传递了一个行，但不包括在 data 中，在结果中它会表示为NAN值：

In [4]: frame2 = DataFrame(data, columns=['year', 'state', 'pop', 'debt'],
    ...: index=['one', 'two', 'three', 'four', 'five'])

In [5]: frame2
Out[5]:
       year   state  pop debt
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.9  NaN

In [6]: frame2.columns
Out[6]: Index(['year', 'state', 'pop', 'debt'], dtype='object')

和Series一样，在DataFrame中的一列可以通过字典记法或属性来检索：

In [7]: frame2['state']
Out[7]:
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
Name: state, dtype: object

In [8]: frame2.year
Out[8]:
one      2000
two      2001
three    2002
four     2001
five     2002
Name: year, dtype: int64

列可以通过赋值来修改。例如，空的 ‘debt’ 列可以通过一个纯量或一个数组来赋值：

In [9]: frame2['debt'] = 16.5

In [10]: frame2
Out[10]:
       year   state  pop  debt
one    2000    Ohio  1.5  16.5
two    2001    Ohio  1.7  16.5
three  2002    Ohio  3.6  16.5
four   2001  Nevada  2.4  16.5
five   2002  Nevada  2.9  16.5

In [11]: frame2['debt'] = np.arange(5.)

In [12]: frame2
Out[12]:
       year   state  pop  debt
one    2000    Ohio  1.5   0.0
two    2001    Ohio  1.7   1.0
three  2002    Ohio  3.6   2.0
four   2001  Nevada  2.4   3.0
five   2002  Nevada  2.9   4.0

通过列表或数组给一列赋值时，所赋的值的长度必须和DataFrame的长度相匹配。如果你使用Series来赋值，它会代替在DataFrame中精确匹配的索引的值，Series没有的数据在DataFrame中就会被更新为NaN：

In [13]: val = Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five'])

In [14]: frame2['debt'] = val

In [15: frame2
Out[15]:
       year   state  pop  debt
one    2000    Ohio  1.5   NaN
two    2001    Ohio  1.7  -1.2
three  2002    Ohio  3.6   NaN
four   2001  Nevada  2.4  -1.5
five   2002  Nevada  2.9  -1.7

给一个不存在的列赋值，将会创建一个新的列。像字典一样 del 关键字将会删除列：

In [16]: frame2['eastern'] = frame2.state = 'Ohio'

In [17]: frame2
Out[17]:
       year state  pop  debt eastern
one    2000  Ohio  1.5   NaN    Ohio
two    2001  Ohio  1.7  -1.2    Ohio
three  2002  Ohio  3.6   NaN    Ohio
four   2001  Ohio  2.4  -1.5    Ohio
five   2002  Ohio  2.9  -1.7    Ohio

In [18]: del frame2['eastern']

In [19]: frame2.columns
Out[19]: Index(['year', 'state', 'pop', 'debt'], dtype='object')

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2018年05月12日，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法