轩小陌的Python笔记-Pandas 核心数据类型

Pandas-核心数据类型

一、什么是Pandas

• Pandas 是 Python 语言的一个扩展程序库，用于数据分析。
• Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。
• Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。
• Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。
• Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
• Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

二、Series

Series是一种类似于字典(dict-like)的一维数组(array-like)的对象，由下面两个部分组成：

• values：一组数据（ndarray类型）
• index：相关的数据索引标签

import numpy as np
import pandas as pd

1. 构造Series：pd.Series(data, index)

index用来指定Series对象的显示索引，如果没有显示设置索引，则默认使用隐式（数组索引）索引填充。

1.1 From ndarray：使用ndarray构造，得到一个引用对象

arr1 = np.random.randint(0, 10, size=5)
print(arr1)
>>输出结果：
[4, 0, 3, 5, 1]

s1 = pd.Series(data=arr1)
print(s1)
>>输出结果：
0    4
1    0
2    3
3    5
4    1
dtype: int32

s2 = pd.Series(data=arr1, index=['A','B','C','D','E'])
print(s2)
>>输出结果：
A    4
B    0
C    3
D    5
E    1
dtype: int32

# 注意：使用ndarray创建的Series是一个引用对象，当原数组中的值发生改变，Series也会随之改变
arr1[0] = 100
print(s1)
>>输出结果：
0  100
1    0
2    3
3    5
4    1
dtype: int32

From List：使用列表构造，得到一个副本对象

l1 = [1,2,3,4]
s3 = pd.Series(data=l1, index=list('ABCD'))
print(s3)
>>输出结果：
A    1
B    2
C    3
D    4
dtype: int64

# 注意：使用列表创建的Series是一个副本对象，当原列表中的值发生改变，Series不会改变
l1[0] = 100
print(li)
>>输出结果：
[100, 2, 3, 4]

print(s3)
>>输出结果：
A    1
B    2
C    3
D    4
dtype: int64

From dict：使用字典构造

# 字典构造的Sereis,默认使用字典的key作为Series的显示索引，valeus作为Series的值
user_info = {
   
    'name': 'aaa',
    'age': 20,
    'address': 'A'
}

s4 = pd.Series(data=user_info)
print(s4)
>>输出结果：
name       aaa
age         20
address      A
dtype: object

# 如果在使用字典构造Series时传入了index，那么要确保index与字典中的键相同，否将无法获得到值，得到一个空值NaN
s5 = pd.Series(data=user_info, index=['A','B','C'])
print(s5)
>>输出结果：
A    NaN
B    NaN
C    NaN
dtype: object

s6 = pd.Series(data=user_info, index=['name','address','A'])
print(s6)
>>输出结果：
name       aaa
address      A
A          NaN
dtype: object

From scalar value：使用一个标量（常量或变量）构造时，必须指定index，标量会被重复匹配到每一个index

index = list('ABCDE')
s1 = pd.Series(data=6, index=index)
print(s1)
>>输出结果：
A    6
B    6
C    6
D    6
E    6
dtype: int64

2. Series属性

• name 返回Series对象的名字
• shape 返回Series对象的形状
• size 返回Series对象的元素个数
• index 返回Series对象的显示索引
• values 返回Sereis对象的所有元素值

注意：在设置Series的index时，避免用以上关键字作为index标签

s = pd.Series(data=[1,2,3], index=list('ABC'))
print(s)
>>输出结果：
A    1
B    2
C    3
dtype: int64

s1 = pd.DataFrame(pd.Series(data=[1,2,3], index=list('ABC'),name='轩小陌'))
print(s1)
>>输出结果：
   轩小陌
A    1
B    2
C    3

print(s.shape)
>>输出结果：
(3,)

print(s.index)
>>输出结果：
Index(['A', 'B', 'C'], dtype='object')

print(s.values)
>>输出结果：
array([1, 2, 3], dtype=int64)

print(s.size)
>>输出结果：
3

3. Sereis的数学运算

Series对大多数NumPy的函数都是兼容的

3.1 与非pandas对象运算，服从广播机制原则

s = pd.Series(data=[1,2,3], index=list('ABC'))
print(s)
>>输出结果：
A    1
B    2
C    3
dtype: int64

print(s + 1)
>>输出结果：
A    2
B    3
C    4
dtype: int64

arr1 = np.array([1,2,3])
print(s + arr1)
>>输出结果：
A    2
B    4
C    6
dtype: int64

3.2 NumPy functions

arr1 = np.power(np.array([1,2,3]), 2)
result = np.power(s,2)
print(result)
>>输出结果：
A    1
B    4
C    9
dtype: int64

3.3 Series之间运算

1. 索引对齐原则

s = pd.Series(data=[1,2,3], index=list('ABC'))
print(s)
>>输出结果：
A    1
B    2
C    3
dtype: int64

s1 = pd.Series(data=np.array([2,3,4]), index=['C','A','B'])
print(s1)
>>输出结果：
C    2
A    3
B    4
dtype: int32

print(s + s1)
>>输出结果：
A    4
B    6
C    5
dtype: int64

s2 = pd.Series(data=[2,3,4], index=['A','C','D'])
print(s2)
>>输出结果：
A    2
C    3
D    4
dtype: int64

print(s1 + s2)
>>输出结果：
A    5.0
B    NaN
C    5.0
D    NaN
dtype: float64

2. 索引对不齐会得到空值， 可以使用add\sub\mul\div函数处理空值后再相加

s2 = pd.Series(data=[2,3,4], index=['A','C','D'])
print(s2)
>>输出结果：
A    2
C    3
D    4
dtype: int64

print(s1 + s2)
>>输出结果：
A    5.0
B    NaN
C    5.0
D    NaN
dtype: float64

三、DataFrame

DataFrame是一个二维的表格型数据结构，可以看做是由Series组成的字典（共用同一个索引）。
DataFrame由按一定顺序排列的【多列】数据组成，每一列的数据类型可能不同。
设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values（numpy的二维数组）

1. 构造DataFrame

pd.DataFrame(data, index, columns, copy=False)

• data=None 用于构造DataFrame的数据

• index=None, columns=None, 行列索引

• dtype=None, 数据类型

• copy=False

data = np.random.randint(0, 100, size=(3,4))
index = ['tom','lucy','alex']
columns = ['语文','数学','物理','化学']

data = pd.DataFrame(data=data, index=index, columns=columns)
print(data)
>>输出结果：
     语文  数学  物理  化学
tom   63   66   79   15
lucy  13   91   24<