【机器学习】【pandas】017_pandas数据结构

一、认识pandas

pandas的优势：

· 增强图表的可读性；

· 便捷的数据处理能力；

· 读取文件更加方便；

· 封装了Matplotlib和Numpy的画图与计算；

如图所示，pandas使图表可读性更强

二、Series结构

Series是一个类似于一维数组的数据结构，能够保存任何类型的数据。

主要由一组数据和与之相关的索引构成。

1. Series的创建

import pandas as pd
import numpy as np

# Series
pd.Series(data=None, index=None, dtype=None)
# 创建
ser1 = pd.Series(np.arange(5))
print(ser1)
ser2 = pd.Series([6.8,5,23,14,8.999], index=[2,3,4,5,6])
print(ser2)

# 通过字典创建
ser3 = pd.Series({'red':100, 'blue':200, 'yellow':500})
print(ser3)

· 参数：

        data：传入的数据，可以是ndarray、list等；

        index：索引，必须是唯一的，并且与数据长度相等。默认为0—N；

        dtype：数据类型；

运行结果如下：

2. Series的属性

· index

· values

# 获取Series类元素的索引
print(ser3.index)
# 获取Series类的数据值
print(ser3.values)

三、DataFrame

1. DataFrame的属性

DataFrame是一个类似于二维数组或表格的对象，既有行索引也有列索引

· 行索引，表明不同行，横向索引，叫index，0轴，axis=0；

· 列索引，表明不同列，纵向索引，叫columns，1轴，axis=1；

pd.DataFrame(data=None, index=None, columns=None)

· 参数：

        index：行标签，默认0—N；

        columns：列标签，默认0—N；

· 通过已有数据创建：

daf1 =np.DataFrame(np.random.randn(2,3))

但是，直接显示出来数据的可读性较差，如何改善其显示呢？

# 例：创建学生成绩表
# 10名同学，5门成绩（40分—100分，10行5列）
daf2 = np.random.randint(40, 100, (10,5))
# daf2直接显示出来可读性比较差，如何让数据更有意义地显示？
# 使用pandas的数据结构
score = pd.DataFrame(daf2)
# 构造行、列索引序列
subjects = ["语文", "数学", "英语", "政治", "物理"]
stu = ["同学" + str(i) for i in range(score.shape[0])]
data = pd.DataFrame(daf2, columns=subjects, index=stu)
print(daf1)
print(daf2)
print(score)
print(data)

运行结果如下：

2. DataFrame的属性

· shape（表示元素的行列数）

· index（返回DataFrame的行索引列表）

· columns（返回DataFrame的列索引列表）

· values（直接获取其中的数值）

· T（转置）

· head(n)（获取前n行内容）

· tail(n)（获取后n行内容）

3. 设置索引值

· 修改行列索引值

※ 必须整体全部修改！无法单单修改某一个的索引！

# 重新设置索引
stu = ["学生" + str(i) for i in range(score.shape[0])]
# 整体修改
data.index = stu
# 错误修改方式：
# data.index[2] = "学生2"

· 以某列值设置为新的索引

        set_index(key, drop=True)

        · key：列索引名或者列索引名称的种类；

        · drop：boolean类型，默认为True，当作新的索引删除原来的列；

四、Multilndex

Multilndex是三位的数据结构

Multilndex的创建