Pandas数据结构

目录

• Pandas的数据结构
• Series
• DataFrame

正文

Pandas的数据结构

• Pandas中引入了两种新的数据结构----Series、DataFrame和Panel。
  • Series:一维数组，Series类型由一组数据及与之相关的数据索引组成。
  • DataFrame:二维的表格型数据结构。可以将DataFrame理解为Series的容器。
  • Panel:可以视为Excel的多表单Sheet

Series

• 用于存储一行或一列的数据，以及与之相关的索引的集合。Series([数据1，数据2，…]，[index=[索引1，索引2，…]])

import pandas as pd
s=pd.Series([24,20,25,26,24])
print(s)

• 【运行结果】
  
• 输出结果数据有两列，右侧包含的实际数据，左侧是对应的索引。最后一行的dtype表明值的数据类型是64位整型。在没有明确定义index的情况下，自动生成一个从0开始的整数序列作为索引，称为位置索引
• 如果指定索引为数字整数，则位置访问失效。

>>>from pandas import Series
>>>X=Series(['a',2,'螃蟹'],index=[1,2,3])
>>>X[3]    #通过索引访问
"螃蟹"

• 如果指定索引为非数字整数，则可以通过位置或者索引访问数据。

>>>X=Series(['a',2,'螃蟹'],index=['a','b','c']
>>>X['c']    #通过索引访问
'螃蟹'
>>>X[2]    #通过位置访问(位置从0开始)
'螃蟹'

• Series类型的操作类似Python字典类型
  • 自定义索引访问
  • 使用.get()方法

>>>X=Series(['a',2,'螃蟹'],index=[1,2,3])
>>>X
1	a
2	2
3	螃蟹
dtype:object
>>>X[3]
'螃蟹'
>>>X[3]=8    #修改某索引对应的值
>>>X
1	a
2	2
3	8
dtype:object

DataFrame

• 是用于存储多行和多列的数据集合，是Series的容器。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典(共用同一个索引)
  
• DataFrame格式：

pd.DataFrame(data=None,index=None,columns=None,dtype=None,copy=False)

• DataFrame创建：
• 方法一：用嵌套列表来创建

import pandas as pd
stu=['小明','小红','小白','小小']
titles=['python','高数','英语']
df=pd.DataFrame([[100,90,98],[78,76,74],[55,56,58],[87,89,86]],index=stu,columns=titles)
print(df)

• 【输出结果】
  
• DataFrame构造函数的columns函数给出列的名字，index给出label标签
• 方法二：从列表的字典来创建，字典的键默认为列名。

import pandas as pd
data={
	'name':['张三','李四','王五','小明'],
	'sex':['female','female','male','male'],
	'year':[2001,2001,2003,2002]
	'city':['北京','上海','广州','北京']
}
df=pd.DataFrame(data)
print(df)

• 【输出结果】
  
• 方法三：从系列series的字典来创建，字典的键默认为列名，行索引默认从0开始。

>>>from pandas import DataFrame
>>>from pandas import Series
>>>df=DataFrame({'age':Series([26,29,24]),'name':Series(['Ken','Jerry','Ben'])})
>>>df
	age	name
0	26	Ken
1	29	Jerry
2	24	Ben

• 查看DataFrame数据的行索引、列名和数据

>>>df.index    #行轴标签或行索引
RangeIndex(start=0,stop=3,step=1)
>>>df.columns    #返回所有列名的列表
Index(['age','name'],dtype='object')
>>>df.values    #实际数据，作为Numpy数组返回
array([[26,'Ken'],[29,'Jerry'],[24,'Ben']],dtype=object)

• 查看DataFrame数据的行数和列数、数据类型

>>>df.shape    #元组，表示行数和列数
(3,2)
>>>df.dtypes    #查询各列数据类型
age    int64
name    object
dtype:object
>>>df['age'].dtypes    #查询某列数据类型
dtype('int64')
>>>df['age']=df['age'].astype(str)    #类型转换

• DataFrame数据导入
  数据存在的形式多样，有文件(csv、excel、txt)和数据库(mysql、access、sql server)等形式。
  导入csv文件：

read_csv(file,names=[列名1,列名2,..],sep=" ",...)
#file:文件路径文件名
#names:列名,默认为文件中的第一行作为列名
#sep:分隔符,默认是逗号
#encoding='GBK'
#index_col=0

>>>import pandas as pd
>>>rcsv=pd.read_csv(r"d:\gdp.csv")
>>>print(rcsv.head())
	country	gdp
0	美国	5433.00
1	英国	723.28
2	法国	626.51
3	中国	597.16
4	日本	443.07

• 导入excel文件：pip install xlrd xlwt
  pip install openpyxl

read_excel(file，sheetname，header=0)
#file:文件路径文件名
#sheetname:sheet的名字,如:sheet1
#header:列名,默认0为文件的第一行作为列名,布尔型0和1

>>>import pandas as pd
>>>ranktable=pd.read_excel(r"D:\sjcltest.xlsx",'成绩单')
>>>print(ranktable.shape)
(496,24)
>>>print(ranktable.columns)
index(['学号','姓名','平时成绩','期末成绩','总成绩','100~90','89~80','79~70','69~60','60分以下','100~90.2','89~80.1','79~70.1','69~60.1','60分以下.1','100~90.2','89~80.2','79~70.2','69~60.2','60分以下.2','平时成绩.1','卷面成绩','总成绩.1','abs(平时-期末)<10'],dtype='object')
>>>print(ranktable.index)
Rangeindex(start=0,stop=496,step=1)
#用openpyxl代替xlrd打开.xlsx文件,
#df=pd.read_excel(r"e:\2019大学计算机\sciltest.xlsx",'成绩单',engine=openpyxl')

• DataFrame数据导出
• 导出csv文件：

to_csv(file_path,sep=",",index=TRUE,header=TURE)
#file_path:文件路径
#sep:分隔符，默认是逗号
#index:是否导出行序号,默认是TURE,导出行序号
#header:是否导出列名，默认TURE导出列名

	age	name
0	26	Ben
1	85	John
2	64	Jerry
df.to_csv('e:\\01.csv')    #默认带上index
df.to_csv('e:\\02.csv',index=False)    #无index

• 导出excel文件：

to_excel(file_path,index=TRUE,header=TURE)
#file_path:文件路径
#index:是否导出行序号,默认是TRUE,导出行序号
#header:是否导出列名,默认TRUE导出列名
df.to_excel('e:\\01.xlsx')    #默认带上index
df.to_excel('e:\\02.xlsx',index=False)    #无index

知识点整理不易，如果对你有帮助，给个免费的赞支持一下吧！感谢阅读！