今天学到了pandas,听说这玩意比numpy强那么一些,不知道说什么好,就从其数据结构说吧!
pandas主要有Series 和 DataFrame这两个数据结构,它们可不是一般的重要。
以下练习都是在jupyter notebook下完成的,干活之前,调用pandas啦!
import pandas as pd #导入pandas这个名字太长了,以pd命名,化繁为简
一、Series
Series是一种类似于一维数组的 对象,由一组数据(各种NumPy数据类型)以及一组与之对应的索引(数据标签)组成。
·类似一维数组的对象
·由数据和索引组成
·索引(index)在左,数据(values)在右
·索引是自动创建的
1. 通过list构建Series
ser_obj = pd.Series(range(10))
示例代码:
# 通过list构建Series
ser_obj = pd.Series(range(10, 20))
print(ser_obj.head(3))
print(ser_obj)
print(type(ser_obj))
run一下得结果
#输出结果
0 10
1 11
2 12
dtype: int64
0 10
1 11
2 12
3 13
4 14
5 15
6 16
7 17
8 18
9 19
dtype: int64
<class 'pandas.core.series.Series'>
2. 获取数据和索引
ser_obj.index 和 ser_obj.values
# 获取数据
print(ser_obj.values)
# 获取索引
print(ser_obj.index)
运行结果:
[10 11 12 13 14 15 16 17 18 19]
RangeIndex(start=0, stop=10, step=1)
3. 通过索引获取数据
ser_obj[idx]
#通过索引获取数据
print(ser_obj[0])
print(ser_obj[9])
运行结果:
10
19
4. 索引与数据的对应关系不被运算结果影响
就好比我原来是你儿子,哪怕我胖了几倍,或者我做了整容,我还是你儿子。
来看例子:
# 索引与数据的对应关系不被运算结果影响
print(ser_obj * 3)
print(ser_obj > 16)
结果:
0 30
1 33
2 36
3 39
4 42
5 45
6 48
7 51
8 54
9 57
dtype: int64
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 True
8 True
9 True
dtype: bool
5. 通过dict构建Series
示例代码:
# 通过dict构建Series
year_data = {2016: 105.3, 2017: 110.2, 2018: 111.5}
ser_obj2 = pd.Series(year_data)
print(ser_obj2.head())
print(ser_obj2.index)
结果:
2016 105.3
2017 110.2
2018 111.5
dtype: float64
Int64Index([2016, 2017, 2018], dtype='int64')
6.name属性
对象名:ser_obj.name
对象索引名:ser_obj.index.name
示例代码:
# name属性
ser_obj2.name = 'temp'
ser_obj2.index.name = 'year'
print(ser_obj2.head())
运行结果:
year
2016 105.3
2017 110.2
2018 111.5
Name: temp, dtype: float64
二、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。DataFrame既有行索引也有列索引,它可以被看做是由Series组成的字典(共用同一个索引),数据是以二维结构存放的。
·类似多维数组/表格数据 (如,excel, R中的data.frame)
·每列数据可以是不同的类型
·索引包括列索引和行索引
1. 通过ndarray构建DataFrame
示例代码:
import numpy as np
import pandas as pd
# 通过ndarray构建DataFrame
array = np.random.randn(5,4)
print(array)
print("-------------------------------------------------------------------------------------------------------------------------")
df_obj = pd.DataFrame(array)
print(df_obj.head())
运行结果:
[[-0.24992242 -1.01148928 -0.41791859 -0.1875542 ]
[ 0.03605956 0.1255451 -0.35882213 1.24239167]
[-1.24472266 -0.39070067 -0.0518846 1.99776627]
[-1.57726461 1.04559849 2.84776958 2.22831644]
[-0.1805397 -0.15131312 0.97992872 -0.08270596]]
-------------------------------------------------------------------------------------------------------------------------
0 1 2 3
0 -0.249922 -1.011489 -0.417919 -0.187554
1 0.036060 0.125545 -0.358822 1.242392
2 -1.244723 -0.390701 -0.051885 1.997766
3 -1.577265 1.045598 2.847770 2.228316
4 -0.180540 -0.151313 0.979929 -0.082706
2. 通过dict构建DataFrame
例子:
# 通过dict构建DataFrame
dict_data = {'A': 1,
'B': pd.Timestamp('20181212'),
'C': pd.Series(1, index=list(range(4)),dtype='float32'),
'D': np.array([3] * 4,dtype='int32'),
'E': ["Python","Java","C++","C"],
'F': 'ITCast' }
#print dict_data
df_obj2 = pd.DataFrame(dict_data)
print(df_obj2)
print(type(df_obj2))
run this cell:
A B C D E F
0 1 2018-12-12 1.0 3 Python ITCast
1 1 2018-12-12 1.0 3 Java ITCast
2 1 2018-12-12 1.0 3 C++ ITCast
3 1 2018-12-12 1.0 3 C ITCast
<class 'pandas.core.frame.DataFrame'>
3. 通过列索引获取列数据(Series类型)
df_obj[col_idx] 或 df_obj.col_idx
示例代码:
# 通过列索引获取列数据
print(df_obj2['A'])
print(type(df_obj2['A']))
print(df_obj2.A)
run this cell:
0 1
1 1
2 1
3 1
Name: A, dtype: int64
<class 'pandas.core.series.Series'>
0 1
1 1
2 1
3 1
Name: A, dtype: int64
4. 增加列数据
df_obj[new_col_idx] = data
类似Python的 dict添加key-value
# 增加列
df_obj2['G'] = df_obj2['D'] + 6
print(df_obj2.head())
run一下:
A B C D E F G
0 1 2017-04-26 1.0 3 Python ITCast 9
1 1 2017-04-26 1.0 3 Java ITCast 9
2 1 2017-04-26 1.0 3 C++ ITCast 9
3 1 2017-04-26 1.0 3 C ITCast 9
5. 删除列
del df_obj[col_idx]
示例代码:
# 删除列
del(df_obj2['G'] )
print(df_obj2.head())
run this cell:
A B C D E F
0 1 2017-04-26 1.0 3 Python ITCast
1 1 2017-04-26 1.0 3 Java ITCast
2 1 2017-04-26 1.0 3 C++ ITCast
3 1 2017-04-26 1.0 3 C ITCast
最近几天实在是太冷了,码字着实僵硬,为了想提高盲打能力,最近开始每天都花半小时都一个小时打字,练习盲打的朋友,可以在这个网站练习打字练习还会自动保存你的练习记录哦!毕竟这种肌肉记忆的东西只能慢慢纠正了,大神不要鄙视我哦好冷真是amazing。