Python Pandas 中的数据结构详解

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

前言：

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

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)

输出：

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。

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)
 #//输出
  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)

到此这篇关于Python Pandas 中的数据结构详解的文章就介绍到这了,更多相关Python Pandas 内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！