pandas的数据结构介绍
要使用pandas,你首先就得熟悉它的两个主要数据结构:Series和DataFrame。虽然它们并不能解决所有问题,但它们为大多数应用提供了一种可靠的、易于使用的基础。
In [1]: from pandas import Series,DataFrame
In [2]: import pandas as pd
In [3]: import numpy as np
Series
Series是一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据即可产生最简单的Series。
In [4]: obj=Series([5,8,-6,2])
In [5]: obj
Out[5]:
0 5
1 8
2 -6
3 2
dtype: int64
Series的字符串表现形式为:索引在左边,值在右边。由于我们没有为数据指定索引,于是会自动创建一个0到N1(N为数据的长度)的整数型索引。你可以通过Series 的values和index属性获取其数组表示形式和索引对象。
In [6]: obj.values
Out[6]: array([ 5, 8, -6, 2], dtype=int64)
In [7]: obj.index
Out[7]: RangeIndex(start=0, stop=4, step=1)
希望所创建的Series带有一个可以对各个数据点进行标记的索引
In [8]: obj2=Series([4,8,-6,3],index=['d','a','b','c'])
In [9]: obj2
Out[9]:
d 4
a 8
b -6
c 3
dtype: int64
与普通NumPy数组相比,你可以通过索引的方式选取Series中的单个或一组值
In [10]: obj2['b']
Out[10]: -6
In [11]: obj2['d']=9
In [12]: obj2[['c','a','d']]
Out[12]:
c 3
a 8
d 9
dtype: int64
NumPy数组运算(如根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引和值之间的链接
In [13]: obj2
Out[13]:
d 9
a 8
b -6
c 3
dtype: int64
In [14]: obj2[obj2>0]
Out[14]:
d 9
a 8
c 3
dtype: int64
In [15]: obj2*3
Out[15]:
d 27
a 24
b -18
c 9
dtype: int64
In [16]: np.exp(obj2)
Out[16]:
d 8103.083928
a 2980.957987
b 0.002479
c 20.085537
dtype: float64
可以将Series看成是一个定长的有序字典,因为它是索引值到数据值的一个映射。它可以用在许多原本需要字典参数的函数中。
In [17]: 'b' in obj2
Out[17]: True
In [18]: 'k' in obj2
Out[18]: False
如果数据被存放在一个Python字典中,也可以直接通过这个字典来创建Series
In [19]: sdata = {
'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
In [20]: obj3=Series(sdata)
In [21]: obj3
Out[21]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
如果只传入一个字典,则结果Series中的索引就是原字典的键(有序排列)
In [22]: states = ['California', 'Ohio',