【Python 笔记】【Pandas】入门 Pandas 及其基本数据结构

本文对 Pandas 做基本介绍.

1. 简介

Pandas	https://pandas.pydata.org/
GitHub	https://github.com/pandas-dev/pandas/

  Pandas 基于 NumPy ，它是为了解决数据分析任务而创建的. Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具. Pandas提供了大量能使我们快速便捷地处理数据的函数和方法.

1.1 历史起源

  2008年，Wes McKinny一人挑起了Pandas库的设计和开发工作.

  2012 年，他的同事Sien Chang加入开发，他两一起开发了Python社区最为有用的库之一 – Pandas

  数据分析工作需要一个专门的库，它能够用最简单的方式提供数据处理、数据抽取和数据操作所需要的全部工具，开发Pandas正是为了满足这个需求.

  Wes MicKinny选择以Numpy库作为Python库Pandas的基础进行设计，可以说，该选择对于Pandas的成功和它的迅速扩展起着非常重要的作用. 事实上，选择Numpy为基础，不仅使Pandas能和其他大多数模块相兼容，而且还能借力Numpy模块在计算方面性能高的优势.

  另外一个意义深远的决定是为数据分析专门设计了两种数据结构. 实际情况是，Pandas 没有使用Pandas已有的内置数据结构，也没有使用其他库的数据结构，而是开发了两种新型的数据结构. 这两种数据结构的设计初衷是用于关系型或带标签的数据. 用它们管理与SQL关系数据库和Excel工作表具有类似特征的数据很方便.

1.2 安装 Pandas

通过 conda 安装：

# conda
conda install pandas

通过 PyPI 安装：

# or PyPI
pip install pandas

1.3 Pandas 主要特点

• 快速高效的DataFrame对象，具有默认和自定义的索引。
• 将数据从不同文件格式加载到内存中的数据对象的工具。
• 丢失数据的数据对齐和综合处理。
• 重组和摆动日期集。
• 基于标签的切片，索引和大数据集的子集。
• 可以删除或插入来自数据结构的列。
• 按数据分组进行聚合和转换。
• 高性能合并和数据加入。
• 时间序列功能。

2. 基本数据结构

• Series：一维数组，与Numpy中的一维array类似，二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等。
  • Time-Series：以时间为索引的Series。
• DataFrame：二维的表格型数据结构，很多功能与R中的data.frame类似，可以将DataFrame理解为Series的容器。
• Panel ：三维数组，可以理解为DataFrame的容器。

 
  可以简单理解为，高维数据结构是低维数据结构的容器。 例如，DataFrame是Series的容器，Panel是DataFrame的容器。
 
 

维数和描述

数据结构	维数	描述
Series	1	一维数组，大小不可变，一旦创建则长度不可变化，由同种数据类型元素组成。
DataFrame	2	二维数组，大小可变的表格结构，它含有一组有序的列，每列可以是不同的数据类型（整型、字符串、布尔值等）
Panel	3	大小可变的三维数组

   

可变性

数据结构	数据	大小
Series	数据可变	大小不可变
DataFrame	数据可变	大小可变
Panel	数据可变	大小可变

2.1 Series

序列 (Series) 是由相同数据类型组成的一维数组。例如，如下Series是整数：10, 23, 56，…的集合。

10

23

56

17

52

61

73

90

26

72

2.2 DataFrame

数据帧 (DataFrame) 是大小可变的数据结构，每列可以是不同的数据类型（整型、字符串、布尔值等）。

姓名	年龄	性别	等级
Maxsu	25	男	4.45
Katie	34	女	2.78
Vina	46	女	3.9
Lia	女	x女	4.6

上表表示某销售团队的绩效评级数据，数据以行和列表示，每列表示一个属性，每行代表一个人。

DataFrame 四列的数据类型分别为：字符串，整数，字符串，浮点型。

2.3 Panel

面板 (Panel) 可以由不同的数据类型构成的三维数据结构，Panel 是 DataFrame 的容器。