pandas学习基本概念：Series与DataFrame

目录

Pandas简介 

Pandas理解

Series类型

（一）创建：

（二）基本操作

DataFrame类型

（一）DataFrame基本概念

（二）DataFrame类型创建

(三）数据类型操作

(1)重新索引：.reindex()

​

（2）索引类型及其常用方法

（3) 删除指定索引对象

（四）数据类型运算

（1）算数运算法则

(2)比较运算法则

 

---

Pandas简介 

提供高性能易用数据类型和分析工具的第三方库。

引用：import pandas as pd

基于NumPy实现，常与NumPy和Matplotlib一同使用。

Pandas理解

两个数据类型：Series（一维）、DataFrame（二维及以上）

基于上述数据类型的各类操作：基本操作、运算操作、特征类操作、关联类操作

NumPy	Pandas
基础数据类型	扩展数据类型
关注数据的结构表达（数据之间构成的维度，通过什么维度将一组数据存储和表达） 维度：数据间的关系	关注数据的应用表达（在使用数据时，如何更有效地提前并运用数据，过度的维度关系不利于数据的实际运用） 数据与索引之间的关系 （无论是series还是dataframe都支持有效的索引）

 

 

 

 

 

 

Series类型

由一组数据和与之相关的数据索引组成

（一）创建：

• Python列表：index与列表元素个数一致。
• 标量值：index表达Series类型的尺寸。
• Python字典：键值对中的键是索引，index从字典中进行选择操作
• ndarray：索引和数据都可以通过ndarra类型创建。
• 其他函数：range()函数等

import pandas as pd
import numpy as np
#从标量创建，必须指定索引
a = pd.Series(25, index = ['a', 'b', 'c'])
print(a)
#从字典创建01
d1 = pd.Series({'a':9, 'b':8, 'c':7})
print(d1)
#从字典创建02：由index指定series结构，并从字典中选取相应值的过程，若无对应值，值NaN
d2 = pd.Series({'a': 9, 'b': 8, 'c': 7}, index=['c', 'a', 'b', 'd'])
print(d2)
#从ndarray创建,若不指定index，默认0始数字
n = pd.Series(np.arange(5), index=np.arange(9, 4, -1))
print(n)

（二）基本操作

Series类型包括index和values两部分

• .index()获取所有索引，类型为index
• .value()获取所有数据，类型为numpy.array
• 索引包括自动索引和自定义索引，两套索引并存但不能混用，如一起使用，会被当作自定义索引。

Series类型的操作类型类似ndarray类型

• 索引方法相同：series[index]（结果是value）、series[:n](切片，结果依然是series)、series[比较关系，结果依然是series]
• Numpy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

Series类型的操作类型类似python字典类型

• 通过自定义索引访问
• 使用保留字in：是否在索引的列表中（不判断自动索引）
• 使用get方法：b.get('index',200)，从series中提取index对应的值，如不存在，返回第二个参数的值

Series类型对齐操作

Series类型的name属性：series.name、series.index.name

Series类型的修改：Series对象可以随时修改并立刻生效

DataFrame类型

（一）DataFrame基本概念

• DataFrame类型由共同相同索引的一组列组成，是一个表格型的数据类型，每列值类型可以不同
• DataFrame既有行索引，也有列索引。
• DataFrame类型常表达二维类型，也可以表达多维数据。
• 纵向索引：index；横向列：column，column[0]为索引列（零轴）

（二）DataFrame类型创建

• 二维ndarray对象
• 有一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

import pandas as pd
import numpy as np

#从二维ndarray对象创建, 自动生成行、列索引，都是零开始的整数
d = pd.DataFrame(np.arange(10).reshape(2, 5))
print(d)
#从一维ndarray对象字典创建,字典中的键默认为自定义的列索引，且索引自动对齐
dt = {'one': pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
      'two': pd.Series([9, 8, 7, 6], index=['a', 'b', 'c', 'd'])}
d2 = pd.DataFrame(dt)
print(d2)
    #选取列的时候若列不存在，会补为空列
pd.DataFrame(dt, index=['b', 'c', 'd'], columns=['two', 'three'])

#从列表类型的字典创建
dl = {'one': [1, 2, 3, 4], 'two': [9, 8, 7, 6]}
d3 = pd.DataFrame(dl, index=['a', 'b', 'c', 'd'])
print(d3)

import pandas as pd
import numpy as np

d1 = {'城市': ['北京', '上海', '广州', '深圳', '沈阳'],
      '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
      '同比': [101.5, 101.2, 101.3, 102.0, 100.1],
      '定基': [101.5, 101.2, 101.3, 102.0, 100.1]}
d3 = pd.DataFrame(d1, index=['c1', 'c2', 'c3', 'c4', 'c5'])
print(d3) #列顺序不一定和字典中一致

print(d3.index) #行索引
print(d3.columns)#列索引
print(d3.values)#值
print(d3['同比'])#指定列
print(d3.loc['c2'])#指定行
print(d3['同比']['c2'])#定位

 

(三）数据类型操作

 

(1)重新索引：.reindex()

d3 = d3.reindex(index=['c5', 'c4', 'c3', 'c2', 'c1'])
d3 = d3.reindex(columns=['城市', '同比', '环比', '定基'])
print(d3)

#reindex中其他参数
#fill_value：重新索引中，用于填充缺失位置索引的值
#method：填充方法，ffill表示当前值向前填充、bfill向后填充
#limit：最大填充量
#copy：默认true，生成新的对象，False时，新旧相等不复制

newc = d3.columns.insert(4, "新增")
newd = d3.reindex(columns=newc, fill_value=200 )
print(newd)

 

（2）索引类型及其常用方法

index对象是不可修改的，可以通过索引修改数据

nc = d3.columns.delete(2)
ni = d3.index.insert(5, 'c0')
nd = d3.reindex(index=ni, columns=nc, method='ffill')
print(nd)

（3) 删除指定索引对象

d3 = d3.drop('c5')  #drop默认操作零轴上的元素
d3 = d3.drop('同比', axis=1)
print(d3)

（四）数据类型运算

（1）算数运算法则

• 算数运算根据行列索引，补齐后运算，运算默认产生浮点数
• 补齐时缺项填充NaN(空值)
• 二维和一维、一维和零维之间为广播运算（和每一个元素计算）

import numpy as np
import pandas as pd

a = pd.DataFrame(np.arange(12).reshape(3,4))
b = pd.DataFrame(np.arange(20).reshape(4,5))

print(a+b)#标签相同的行进行运算，标签不同的补齐后进行运算

#或者使用方法形式运算,优点在于可以设置一些参数
b.add(a, fill_value = 100)
print(b)
a.mul(b, fill_value = 0)
print(a)

#不同维度的运算，广播运算
c = pd.Series(np.arange(4))
print(c)
print(c-10)#每个元素与零维操作即可
print(b-c)#默认发生在1轴

#如果希望发生在零轴上，即b中每一列都减去c的每一列的对应元素，则需要指定零轴参与运算
b.sub(c, axis=0)
print(b)

(2)比较运算法则

比较运算法则只能比较相同索引的元素，不进行补齐

二维和一维，一维和零维间为广播运算

采用>、<、>=、<=、==、!=等符号进行的二元运算产生布尔对象

import numpy as np
import pandas as pd

#在同一维度运算，要求ab尺寸一致，若不同则会报错
a = pd.DataFrame(np.arange(12).reshape(3, 4))
b = pd.DataFrame(np.arange(12, 0, -1).reshape(3, 4))
print(a)
print(b)
print(a>b)

#不同维度，广播运算，默认在1轴.a的每一行都与c比较
c = pd.Series(np.arange(4))
print(c)
print(a>c)
print(c>5)