一文掌握 Series 和 DataFrame 的基础功能

♚

zarten，互联网一线工作者。

博客地址：zhihu.com/people/zarten

概述

这篇将介绍Series和DataFrame公有的一些重要的基础功能知识点。

重新索引排列

重新索引排列是指：可以将索引重新排列，若给出的新索引在旧索引中不存在时，会引入缺失值NaN。

重新索引排列不会改变原来的对象，而是会生成一个重新排列索引的对象。

使用Series和DataFrame的reindex()方法即可。

Series

import pandas as pd

zarten_ser = pd.Series(['z1','z2','z3','z4'])

有时重新排列时，若新增一个之前没有的索引时值会自动填充NaN，若不想填充NaN，可以使用参数method= ‘ffill’，这时填充值会跟前面的值一样

同时也可以使用参数 fill_value 来自己指定值，如下

DataFrame

DataFrame也是一样的，若不指定，默认是重新排列行，若指定列，也可重新排序列。

import pandas as pd

info = {
    'name' : ['zarten_1', 'zarten_2', 'zarten_3'],
    'age' : [18, 19, 20]
}

zarten_df = pd.DataFrame(info)

若需要重新排序列，只需指定参数columns即可

删除指定索引

删除指定的一个或多个索引及其对应的值，使用drop()方法，默认是产生一个新的对象，不会改变原有对象。

删除多个索引时传入一个列表

注意：若指定的索引不存在时，会报错

Series

import pandas as pd

zarten_ser = pd.Series(['z1','z2','z3','z4'])

上面使用drop后都会产生一个新的对象，不会改变原对象。若想直接在原对象上进行删除，可以使用参数 inplace= True （慎用！！！）

DataFrame

同样，默认是删除行，若要删除列索引及值，使用axis参数，axis默认为0代表行，1代表列

import pandas as pd

info = {
    'name' : ['zarten_1', 'zarten_2', 'zarten_3'],
    'age' : [18, 19, 20]
}

zarten_df = pd.DataFrame(info)

相同数据结构间的算术运算

相同的数据结构（Series和DataFrame）间的算术运算，跟并集的思想类似，也就是没有对应的索引时，会自动填充NaN

Series

import pandas as pd

zarten_ser_1 = pd.Series([2,'z2','z3','z4'])

zarten_ser_2 = pd.Series([3,'w2','w3','w4','w5'])

zarten_ser_1_2 = zarten_ser_1 + zarten_ser_2

若想填充自己指定的值时，可以使用add方法，参数fill_value

import pandas as pd

zarten_ser_1 = pd.Series([2,5,3,7])

zarten_ser_2 = pd.Series([3,3,4,4,5])

DataFrame

DataFrame数据结构算术运算时就比较刁钻了，必须是行和列索引都相同时才能相加，若有一个不同就是NaN

import pandas as pd

info_1 = {
    'name' : ['zarten_1', 'zarten_2', 'zarten_3'],
    'age' : [18, 19, 20]
}
zarten_df_1 = pd.DataFrame(info_1)

zarten_df_2 = pd.DataFrame([['x1','x2','x3'], ['y1','y2','y3'], ['z1','z2','z3']], index= [0,'b','c'], columns= ['name','w','t'])

还有其他的一些算术运算如下图，这里将不再阐述，大同小异

Series与DataFrame之间的运算

这两者间的运算会广播到所有元素。

若互相都没有相同的索引时，同样会产生NaN

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= ['a','b','c','d'], columns= ['x','y','z'])

zarten_ser = pd.Series([1,2,3], index= ['x','y','z'])

从上图可以看到，DataFrame每一行都减去了Series。

更多的操作可以详细阅读官方文档。

排序

索引排序：行或列索引排序，使用sort_index()函数，默认是行索引排序，且默认是升序

值排序：也可对值排序，使用函数sort_values()函数

Series

import pandas as pd

zarten_ser = pd.Series([1,20,18,4], index= ['x','y','z','a'])

索引排序：

值排序：

DataFrame

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= [4,1,2,3], columns= ['z','x','y'])

索引排序：

由上图可看到，默认为行索引排序，若需要列索引排序，只需指定axis=1 即可

值排序：由于DataFrame是行和列组成，值排序是列的由上到下的排序，可指定一列或多列，通过by参数

也可以进行多列排序，只需传入参数by一个列表即可。根据by指定的顺序优先排列

统计

下面将介绍一些常用的统计方法

求和

使用函数sum()，默认是每一列求和，可以通过参数axis来设置行或列，DataFrame的结果是一个Series对象

Series

import pandas as pd

zarten_ser = pd.Series([1,2,3,4], index= ['x','y','z','a'])

DataFrame

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= [4,1,2,3], columns= ['z','x','y'])

由上图可看到，求和默认是每列求和，若需要每行求和，可使用参数axis= 0

还有其他参数，如：若存在NaN时，默认结果会剔除NaN，可通过参数skipna设置。

其他参数如下图所示：

其他统计方法

比如比较常用的describe()函数，一次可以统计出多方面的信息

import pandas as pd
import numpy as np

zarten_df = pd.DataFrame(np.arange(12).reshape((4,3)), index= [4,1,2,3], columns= ['z','x','y'])

由上图看到，结果有多项，都是针对列而言，具体含义如下：

count : 计数（此列的总个数）

mean :平均值

std :标准差

min :最小值

25% :下四分位

50% :中位数

75% :上四分位

max :最大值

其他统计函数如下所示：

第三方库统计工具

第三方库：pandas-profiling

官方地址：

https://github.com/pandas-profiling/pandas-profiling

Python中文社区作为一个去中心化的全球技术社区，以成为全球20万Python中文开发者的精神部落为愿景，目前覆盖各大主流媒体和协作平台，与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系，拥有来自十多个国家和地区数万名登记会员，会员来自以工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司，全平台近20万开发者关注。

▼ 点击成为社区注册会员      「在看」一下，一起PY