文章目录
5.2 Pandas数据结构
👉文章代码下载👈
学习目标
- 目标
- 知道Pandas的Series结构
- 掌握Pandas的Dataframe结构
- 了解Pandas的Multilndex与panel结构
Pandas中一共有三种数据结构,分别为:Series、DataFrame和Multindex(老版本中叫Panel)。
其中Series是一维数据结构,DataFrame是 二维的表格型数据结构,Multilndex是 三维的数据结构。
1.Series
Series是一个类似于-维数组的数据结构,它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。
1.1 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
●指定内容,默认索引
pd.Series(np.arange(10))
#运行结果
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype:int64
●指定索引
pd. Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])
●通过字典数据创建
color_count=pd.Series({'red':100,'blue':200,'green':500,'yellow':1000})
color_count
1.2 Series的属性
为了更方便地操作Series对象中的索引和数据,Series中提供 了两个属性index和values
●index.
color count.index
#结果
Index(['blue','green','red','yellow'],dtype='object')
●values
color_count.values
#结果
array([200,500,100,1000])
也可以使用索引来获取数据:
color_count[2]
#结果
100
2.DataFrame
DataFrame是一个类似于二维数组或表格(如excel)的对象,既有行索引,又有列索引
●行索引,表明不同行,横向索引,叫index,0轴,axis=0
●列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
2.1 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。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
- columns:列标签。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。
- 通过已有数据创建
举例一:
pd.DataFrame(np.random.randn(2,3))
回忆在前面直接使用np创建的数组显示方式,比较两者的区别。
举例二:创建学生成绩表
#生成10名同学,5门功课的数据
score = np.random.randint(40,100,(10,5))
#结果
array([[60, 89, 40, 79, 43],
[52, 56, 63, 69, 98],
[49, 99, 55, 56, 96],
[64, 60, 82, 67, 71],
[91, 84, 57, 92, 47],
[56, 94, 91, 95, 43],
[96, 41, 90, 73, 87],
[40, 76, 47, 58, 70],
[51, 88, 76, 73, 66],
[57, 93, 68, 66, 71]])
但是这样的数据形式很难看到存储的是什么的样的数据,可读性比较差!!
问题:如何让数据更有意义的显示?
#使用Pandas中的数据结构
score_df = pd.DataF rame(score)
给分数数据增加行列索引,显示效果更佳
效果:
●增加行、列索引
#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_df.shape[0])]
#添加行索引
data=pd.DataFram(score,columns=subjects,index=stu)
2.2 DataFrame的属性
- shape
data.shape
#结果
(10,5)
- index DataFrame的行索引列表
data.index
#结果
Index(['
同学0','同学1','同学2','同学3','同学4','同学5','同学6','同学7',同学8','同学9'],
- columns
DataFrame的列索引列表
data.columns
#结果
Index(['语文','数学','英语','政治','体育'],dtype='object')
- values
直接获取其中array的值
data. values
#结果
array([[60, 89, 40, 79, 43],
[52, 56, 63, 69, 98],
[49, 99, 55, 56, 96],
[64, 60, 82, 67, 71],
[91, 84, 57, 92, 47],
[56, 94, 91, 95, 43],
[96, 41, 90, 73, 87],
[40, 76, 47, 58, 70],
[51, 88, 76, 73, 66],
[57, 93, 68, 66, 71]])
- T
转置
data.T
结果
- head(5):显示前5行内容
如果不补充参数,默认5行.填入参数N则显示前N行
data.head(5)
- tail(5):显示后5行内容
如果不补充参数,默认5行.填入参数N则显示后N行
data.tail(5)
2.3 DatatFrame索弓|的设置
需求:
2.3.1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:以下修改方式是错误的
#错误修改方式
data.index[3]='学生_3'
2.3.2重设索引
- resetindex(drop=False)
- 设置新的下标索引
- drop:默认为False,不删除原来索引,如果为True,删除原来的索引值
data.reset_index()
data.reset_index(drop =True)
2.3.3以某列值设置为新的索引
- set_index(keys,drop=True)
- keys:列索引名成或者列索引名称的列表
- drop:boolean,default True.当做新的索引,删除原来的列
设置新索引案例
1、创建
df = pd.DataFrame({'month':[1,4,7,10],
'year':[2012,2014,2013,2014],
'sale':[55,40,84,31]})
2、以月份设置新的索引
df.set_index('month')
3、设置多个索引,以年和月份
df = df. set_index([' year', ' month'])
df
注:通过刚才的设置,这样DataFrame就变成了一个具有Multindex的DataFrame。
3.MultiIndex与Panel
3.1 Multilndex
Multilndex是三维的数据结构;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。.
3.1.1 multilndex的特性
打印刚才的df的行索引结果
df.index
#结果
MultiIndex(levels=[[2012, 2013, 2014], [1, 4, 7, 10]],
labels=[[0, 2, 1, 2], [0, 1, 2, 3]],
names=['year', 'month'])
多级或分层索引对象.
- index属性
- names:levels的名称
- levels:每个level的元组值
df.index.names
#FrozenList(['year','month'])
df.index.levels
#FrozenList([[1,2],[1,4,7,10]1)
3.1.2 multilIndex的创建
arrays = [[1, 1, 2, 2],[' red', ' blue', ' red', ' blue']]
pd.MultiIndex. from_arrays(arrays, names=(' number', ' color'))
#结果
MultiIndex(levels=[[1, 2], [' blue', ' red']],
labels=[[0, 0, 1, 1], [1, 0, 1, 0]],
names=[' number', ' color'])
3.2 Panel
3.2.1 panel的创建
- class pandas.Panel(data=None,items=None,major_axis=None,minor
axis=None)- 作用:存储3维数组的Panel结构
- 参数:
- data:ndarray或者dataframe
- items:索引或类似数组的对象,axis=0
- major_axis:索引或类似数组的对象,axis=1
- minor__axis:索引或类似数组的对象,axis=2
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'])
#结果
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: A to D
Major_axis axis: 2013-01-01 00:00:00 to 2013-01-03 00:00:00
Minor_axis axis: first to second
3.2.2查看panel数据
p[:,:,"first"]
p["B",:,:]
注:Pandas从版本0.20.0开始弃用:推荐的用于表示3D数据的方法是通过DataFrame.上的Multilndex方法
4 小结
- pandas的优势[了解]
- 增强图表可读性
- 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
- series[知道]
- 创建
- pd.Series([],index=[])
- pd.Series({}) - 属性
- 对象.index
- 对象.values
- 创建
- DataFrame[掌握]
- 创建
- pd.DataFrame(data=None,index=None,columns=None) - 属性
- shape–形状
- index–行索引
- columns–列索引
- values–查看值
- T–转置
- head()–查看头部内容
- tail0–查看尾部内容
- 创建
- DataFrame索引
- 修改的时候,需要进行全局修改对象
- reset_index()
- 对象.set_index(keys)
- Multilindex与Panel[了解]
- multilIndex:
- 类似ndarray中的三维数组
- 创建:
- pd.Mutilndex.from arrays()
- 属性:
- 对象.index - panel:
- pd.Panel(data,items,major axis,minor_axis)
- panel数据要是想看到,则需要进行索引到dataframe或者series才可以
点个赞吧!!!你的鼓励是对我码字的认可😀😀😀
👇👇👇
- multilIndex: