Pandas是在Numpy基础上发展的一个python数据处理库,主要的数据结构由Serises和Datafram构成。
-
首先说Series
Series 数据结构
Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引
创建一个Seies,首先导入numpy库和pandas库
import numpy as np
import pandas as pd
# 导入numpy、pandas模块
然后创建series
s = pd.Series(np.random.rand(5))
print(s)
print(type(s))
打印为
0 0.732950
1 0.147740
2 0.219600
3 0.038931
4 0.910124
dtype: float64
可以看到series输出的是带标签的一维数组,series可以看做由index索引和values值构成的。
print(s.index,type(s.index))
print(s.values,type(s.values))
# .index查看series索引,类型为rangeindex
# .values查看series值,类型是ndarray
打印出index和values值
RangeIndex(start=0, stop=5, step=1) <class 'pandas.core.indexes.range.RangeIndex'>
[0.68370005 0.93754068 0.94877385 0.53300225 0.25701828] <class 'numpy.ndarray'>
核心:series相比于ndarray,是一个自带索引index的数组 → 一维数组 + 对应索引, 所以当只看series的值的时候,就是一个ndarray。series和ndarray较相似,索引切片功能差别不大。series和dict相比,series更像一个有顺序的字典(dict本身不存在顺序),其索引原理与字典相似(一个用key,一个用index)
-
Series的两种创建方法
Series 创建方法一:由字典创建,字典的key就是index,values就是values
dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5}
s = pd.Series(dic)
print(s)
输出结果为:
4 4
5 5
a 1
b 2
c 3
dtype: int64
注意:key肯定是字符串,假如values类型不止一个会怎么样? → dic = {'a':1 ,'b':'hello' , 'c':3, '4':4, '5':5}
print一下得出结果
4 4
5 5
a 1
b hello
c 3
dtype: object
结果输出类型是object
-
Series 创建方法二:由数组创建(一维数组)
arr = np.random.randn(5)
s = pd.Series(arr)
print(arr)
print(s)
输出如下:
[-2.56328023 0.87233579 0.47630666 1.91715736 -1.26924024]
0 -2.563280
1 0.872336
2 0.476307
3 1.917157
4 -1.269240
dtype: float64
默认index是从0开始,步长为1的数字。
当然也可以更改index,如下所示
s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object)
print(s)
# index参数:设置index,长度保持一致
# dtype参数:设置数值类型
a -2.56328
b 0.872336
c 0.476307
d 1.91716
e -1.26924
dtype: object
name为Series的一个参数,创建一个数组的 名称
.name方法:输出数组的名称,输出格式为str,如果没用定义输出名称,输出为None
-
Series 名称属性:name
s1 = pd.Series(np.random.randn(5))
print(s1)
print('-----')
s2 = pd.Series(np.random.randn(5),name = 'test')
print(s2)
print(s1.name, s2.name,type(s2.name))
输出如下:
0 -1.285306
1 -0.586416
2 -1.966362
3 -1.507387
4 0.622088
dtype: float64
-----
0 -0.763427
1 -1.588831
2 -1.676116
3 0.453159
4 -0.874990
Name: test, dtype: float64
None test <class 'str'>
.rename()重命名一个数组的名称,并且新指向一个数组,原数组不变
s3 = s2.rename('hehehe')
print(s3)
print(s3.name, s2.name)
0 -0.763427
1 -1.588831
2 -1.676116
3 0.453159
4 -0.874990
Name: hehehe, dtype: float64
hehehe test
-
然后说Dataframe
Dataframe 数据结构
Dataframe是一个表格型的数据结构,“带有标签的二维数组”。
Dataframe带有index(行标签)和columns(列标签)
data = {'name':['Jack','Tom','Mary'],
'age':[18,19,20],
'gender':['m','m','w']}
frame = pd.DataFrame(data)
print(frame)
print(type(frame))
print(frame.index,'\n该数据类型为:',type(frame.index))
print(frame.columns,'\n该数据类型为:',type(frame.columns))
print(frame.values,'\n该数据类型为:',type(frame.values))
# 查看数据,数据类型为dataframe
# .index查看行标签
# .columns查看列标签
# .values查看值,数据类型为ndarray
输出:
age gender name
0 18 m Jack
1 19 m Tom
2 20 w Mary
<class 'pandas.core.frame.DataFrame'>
RangeIndex(start=0, stop=3, step=1)
该数据类型为: <class 'pandas.core.indexes.range.RangeIndex'>
Index(['age', 'gender', 'name'], dtype='object')
该数据类型为: <class 'pandas.core.indexes.base.Index'>
[[18 'm' 'Jack']
[19 'm' 'Tom']
[20 'w' 'Mary']]
该数据类型为: <class 'numpy.ndarray'>
1.Dataframe 创建方法一:由数组/list组成的字典
- 三种dataframe创建方法
data1 = {'a':[1,2,3],
'b':[3,4,5],
'c':[5,6,7]}
data2 = {'one':np.random.rand(3),
'two':np.random.rand(3)}
print(data1)
print(data2)
df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)
print(df1)
print(df2)
由数组/list组成的字典 创建Dataframe,columns为字典key,index为默认数字标签
字典的值的长度必须保持一致!比如,若把data2中生成的数组改为np.random.rand(4),是会报错的
输出结果如下:
{'a': [1, 2, 3], 'b': [3, 4, 5], 'c': [5, 6, 7]}
{'one': array([0.98563014, 0.91633788, 0.09506606]), 'two': array([0.11996684, 0.44647649, 0.73451497])}
a b c
0 1 3 5
1 2 4 6
2 3 5 7
one two
0 0.985630 0.119967
1 0.916338 0.446476
2 0.095066 0.734515
未完待更新。。。
1.Dataframe 创建方法一:由数组/list组成的字典
- 三种dataframe创建方法