Pandas 1.1：Pandas介绍和Pandas数据结构

蒙小骏

已于 2022-03-22 10:06:55 修改

阅读量1.6k

点赞数

分类专栏： Python-数据分析文章标签： python pandas

于 2022-03-21 23:37:28 首次发布

本文链接：https://blog.csdn.net/mengnf/article/details/123646790

版权

Python-数据分析专栏收录该内容

2 篇文章 0 订阅

订阅专栏

Pandas介绍

2008年WesMcKinney开发出的库
专门用于数据挖掘的开源python库
以Numpy为基础，借力Numpy模块在计算方面性能高的优势
基于matplotlib，能够简便的画图
独特的数据结构

相比 Numpy 和 matplotlib ，pandas：

增强图表可读性
比如在 numpy 中创建成绩表样式：

如果数据展示为这样，可读性就更友好：
便捷的数据处理能力
读取文件方便
封装了Matplotlib、Numpy的画图和计算

Pandas数据结构

Pandas 共有三种数据结构：

Series（一维数据结构）
DataFrame（二维表格型数据结构）
MultiIndex（三维数据结构，老版本中叫Panel ）

1. Series

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，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。

Series的创建

# 导入pandas
import pandas as pd

pd.Series(data=None, index=None, dtype=None)

参数：

data	传入的数据，可以是ndarray、list等
index	索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
dtype	数据的类型

通过已有数据创建：

# 导入pandas
import pandas as pd

data = range(10)
s = pd.Series(data)
print(s)

指定索引：

# 导入pandas
import pandas as pd

data = range(5)
s = pd.Series(data=data, index=['a', 'b', 'c', 'd', 'e'])
print(s)

通过字典数据创建

# 导入pandas
import pandas as pd

a = {'red': 100, 'blue': 200, 'green': 500, 'yellow': 1000}
s = pd.Series(a)
print(s)

Series的属性

Series 提供了两个属性：index 和 values

index

# 导入pandas
import pandas as pd

a = {'red': 100, 'blue': 200, 'green': 500, 'yellow': 1000}
s = pd.Series(a)
print(s.index)

values

# 导入pandas
import pandas as pd

a = {'red': 100, 'blue': 200, 'green': 500, 'yellow': 1000}
s = pd.Series(a)
print(s.values)

2. DataFrame

DataFrame 是一个类似于二维数组或表格(如excel)的对象，有行索引，又有列索引

行索引：横向索引，叫 index，0轴，axis=0
列索引：纵向索引，叫 columns，1轴，axis=1

DataFrame的创建

# 导入pandas
import pandas as pd

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

参数：

index	行标签。如果没有传参数，默认自动创建 0-N 的整数索引。
columns	列标签。如果没有传参数，默认自动创建 0-N 的整数索引。

通过已有数据创建

# 导入pandas
from random import random

import numpy as np
import pandas as pd

# 随机生成 60到100，10行5列 的数据
score = np.random.randint(60, 100, (10, 5))

s = pd.DataFrame(score)
print(s)

增加行、列索引

# 导入pandas
from random import random

import numpy as np
import pandas as pd

# 随机生成 60到100，10行5列 的数据
score = np.random.randint(60, 100, (10, 5))

# 构造行索引序列
subjects = ["语文", "数学", "英语", "政治", "体育"]

# 构造列索引序列
stu = ['同学' + str(i) for i in range(score.shape[0])]

# 添加行索引
data = pd.DataFrame(score, columns=subjects, index=stu)

print(data)

DataFrame的属性

shape：行数和列数

import numpy as np
import pandas as pd

# 随机生成 60到100，10行5列 的数据
score = np.random.randint(60, 100, (10, 5))
data = pd.DataFrame(score)

print(data.shape)

index：DataFrame的行索引列表
columns：DataFrame的列索引列表
values：直接获取其中array的值
T：转置
head(n)：前n行内容，不传参数默认5
tail(n)：后n行内容，不传参数默认5

DatatFrame索引的设置

修改行列索引值

stu = ["学生_" + str(i) for i in range(score_df.shape[0])]

# 必须整体全部修改
data.index = stu

注意：必须整体全部修改！以下修改方式是错误的：

# 错误修改方式
data.index[3] = '学生_3'

重设索引：设置新的下标索引
```
# 重置索引,drop=False

data.reset_index()
data.reset_index(drop=True)
```
drop:默认为False，不删除原来索引，如果为True,删除原来的索引值
把某列值设置为新的索引
set_index(keys, drop=True)
keys：列索引名或者列索引名称的列表
drop：boolean, 默认True：当做新的索引，删除原来的列

也可以设置多个索引：
```
df = df.set_index(['year', 'month'])
```

注：通过刚才的设置，这样DataFrame就变成了一个具有 MultiIndex 的 DataFrame。

3. MultiIndex

MultiIndex 是三维数据结构;

多级索引（也称层次化索引）是pandas的重要功能，可以在Series、DataFrame对象上拥有2个以及2个以上的索引。

multiIndex的特性

index：

names：索引列表

levels：索引相应的内容列表

multiIndex 的创建

import pandas as pd

arrays = [
    [1, 1, 2, 2],
    ['red', 'blue', 'red', 'blue']
]
pd.MultiIndex.from_arrays(arrays, names=('number', 'color'))

4. Panel

注意：新版本 pandas 已经把 Panel 移除

panel的创建：

pandas.Panel(data=None, items=None, major_axis=None, minor_axis=None)

import numpy as np
import pandas as pd

p = pd.Panel(
    data=np.arange(24).reshape(4, 3, 2),
    items=list('ABCD'),
    major_axis=pd.date_range('20130101', periods=3),
    minor_axis=['first', 'second']
)

示例讲解：存储3维数组的Panel结构