Pandas入门第一章之Series和DataFrame

前言:  本人研究方向是图像生成这个模块，所以编程语言一直使用的是python。 研一下半学期参加腾讯比赛，深感在数据清洗中pandas中的各种库函数的便捷性，所以简单记录了一下自己对pandas中各种函数的理解，方便下次比赛的时候能够直接使用。因为只是个人简单的理解，所以难免会有些问题，所以仅供参考。

本节主要介绍pandas中两种数据格式: Series 和 DataFrame

 

Series的特点如下:

1、直观上的感觉Series相当于python中的字典，

2、Series中的索引(index)相当于字典中的关键字，Series中的值(value)相当于字典中的值

3、Series中value的值是list时，首先通过索引得到对应的值，然后通过list的索引操作得到最后值

4、Series的问题只能通过行索引访问元素，但是无法直接操作列操作，索引pandas引入了DataFrame。

 

下面的程序分别介绍Series的创建、Series的两种索引操作

# 第一步引入pandas的数据包
import pandas as pd

# 生成一个Series对象 Series中存放的不同类型的数据
series = pd.Series([['A1', 'A2', 'A3', 'A4'], ['1', '2', '3', '4'], 5, -5, 'test'], index=['A', 'B', 'C', 'D', 'E'])

# 直接打印Series数据  通过索引得到Series中某一行的数据  得到某行数据之后得到具体列的值
print(series, series['A'], series['A'][0:2])

 

DataFrame的特点如下:

1、同样DataFrame和python中字典结构相同，

2、DataFrame中关键字对应的是列名，关键字的值对应的是某列的值

3、DataFrame中，既有行索引又有列索引，行索引默认是(0, n-1) ， 列索引对应的是列名

 

下面的程序演示的是打印DataFrame中索引和列的名称、读取某一列的值、以及读取某一行的值，以及在原始数据中增加新的列、以及根据条件筛选记录。

在这里主要介绍一下按照要求筛选记录的方法，

第一步:  data_frame['money'] > 3意思是逐条比较data_frame中money的值，如果大于三返回值为True，否者为False

第二步:  data_frame[]为True时，则显示整行数据

 

print('数据集中money的值大于3的值有:\n', data_frame[data_frame['money'] > 3])

import pandas as pd
import numpy as np

data = {'name': ['YYLin', 'YYLin_1', 'YYLin_2', 'YYLin_3', 'YYLin_4'],
        'birth_day': [2000, 2001, 2002, 2001, 2002],
        'age': [6, 7, 8, 9, 10]}

# 读取数据并加上相关索引
data_frame = pd.DataFrame(data, index=['one', 'two', 'three', 'four', 'five'])

# 显示原始数据中列的名称 以及对应的索引值
print(data_frame.columns, data_frame.index)

# 按照列进行数据的读取
print(data_frame['name'])

# 按照行进行数据的读取
print(data_frame.loc['three'])

# 在数据集中增加一列操作
data_frame['money'] = np.arange(5)
print("增加一列之后DataFrame的形状:\n", data_frame)
print('中间结果是:\n', data_frame['money'] > 3)
print('数据集中money的值大于3的值有:\n', data_frame[data_frame['money'] > 3])