Numpy - pandas
前言
之前我们所学到的numpy已经可以做到帮助我们处理数据,能够结合matplotlib解决我们数据分析的问题,那么pandas学习的目的在什么地方呢?
numpy能够帮我们处理数值型数据,但是这还不够
很多时候,我们的数据除了数值之外,还有字符串,还有时间序列等
例如:我们通过爬虫获取到了存储在数据库中的数据
例如:数据中心包含有类似于国家的信息,视频的分类(tag)信息,标题信息等
numpy能够帮助我们处理数值,但是pandas除了处理数值之外(基于numpy),还能够帮助我们处理其他类型的数据
pandas的常用数据类型
表示方法 | 维度 | 特点 |
---|---|---|
Series | 一维 | 带标签数组 |
DataFrame | 二维 | Series容器 |
创建Series一维数组
pandas之Series创建
代码示范(其实很简单):
#导入模块
In [1]: import pandas as pd
#创建一维数组
In [2]: t= pd.Series([1,2,3,4,5,6])
#查看数组 t 的类型
In [3]: type(t)
Out[3]: pandas.core.series.Series
#查看数据类型
In [4]: t.dtype
Out[4]: dtype('int64')
#查看数组 t 的内容
In [5]: t
Out[5]:
0 1
1 2
2 3
3 4
4 5
5 6
dtype: int64
可以看到,创建一维带标签的数组非常简单,并且,细心的看官肯定也发现了,我们通过Series创建对的数组 t 和之前numpy创建的还是有很大的区别的
左侧的的索引就是Series一维数组的标签,我们可以对其进行一系列的操作
当然,通过画图分析,我们知道了数组 t 中的 index 就是我们所说的 标签,那么,我们就有另外一种创建Series的方法了,通过字典创建一个Series,注意其中的索引就是字典的键
通过字典创建Series
#创建字典
In [6]: d = {"1":"一","2":"二","3":"三"}
#查看字典 d
In [7]: d
Out[7]: {'1': '一', '2': '二', '3': '三'}
#创建Series
In [8]: t = pd.Series(d)
#查看数组 t
In [9]: t
Out[9]:
1 一
2 二
3 三
dtype: object
#字典推导式创建字典 a
In [14]: a={string.ascii_uppercase[i]:i for i in range(10)}
#查看字典 a
In [15]: a
Out[15]:
{'A': 0,
'B': 1,
'C': 2,
'D': 3,
'E': 4,
'F': 5,
'G': 6,
'H': 7,
'I': 8,
'J': 9}
#创建Series 其中的索引就是字典的键
In [16]: t = pd.Series(a)
#查看数组 t
In [17]: t
Out[17]:
A 0
B 1
C 2
D 3
E 4
F 5
G 6
H 7
I 8
J 9
dtype: int64
指定其他索引
根据上面的代码,我们创建了索引为ABCDEFGHIJ
的一维Series数组123456789
那么,现在我们重新给其指定其他的索引,例如:
#指定新的索引范围
In [7]: pd.Series(a,index=list(string.ascii_uppercase[5:15]))
#得到结果
Out[7]:
F 5.0
G 6.0
H 7.0
I 8.0
J 9.0
K NaN
L NaN
M NaN
N NaN
O NaN
dtype: float
通过上面的代码,不难发现,他是和我们之前的代码有关联关系的,也就是说,当我们给其指定新的索引时,倘若原先的索引值和现在指定的对的上,就取其值,如果对应不上K、L、M、N、O
就为NaN
数据类型转换
还有一点值得我们注意的是:数据类型发生了变化
从之前的 int64 转换为了 float
这是因为 numpy 中的 nan 为 float,pandas会自动根据数据类更改 Series 的 dtype
类型
Series切片和索引
切片
因 Series为一维带标签的数组,因此切片和索引只涉及到行
切片:直接传入start end 或者步长即可
现进行代码演示:
In [8]: t
Out[8]:
A 0
B 1
C 2
D 3
E 4
F 5
G 6
H 7
I 8
J 9
dtype: int64
拿到数组
#直接输入索引值
In [9]: t[0]
Out[9]: 0
#切索引 1 到索引 10 步长为 2
In [10]: t[1:10:2]
Out[10]:
B 1
D 3
F 5
H 7
J 9
dtype: int64
#指定具体不连续的行的索引值,进行切片
In [11]: t[[2,3,6]]
Out[11]:
C 2
D 3
G 6
dtype: int64
#做判断,t 数组中 大于 4 的
In [12]: t[t > 4]
Out[12]:
F 5
G 6
H 7
I 8
J 9
dtype: int64
#做判断,t 数组中 小于 4 的
In [13]: t[t < 4]
Out[13]:
A 0
B 1
C 2
D 3
dtype: int64
索引
索引:一个的时候直接传入序号或者index,多个的时候传入序号或者index的列表
#直接传入索引
In [32]: t["A"]
Out[32]: 0
In [33]: t["B"]
Out[33]: 1
In [34]: t["C"]
Out[34]: 2
注意:当传入的多个键索引值中,有不存在的索引值时会返回警告提示,并且将不存在的键的值默认设置为 NaN
In [41]: t[["A","B","C","a","b","c"]]
FutureWarning:
Passing list-likes to .loc or [] with any missing label will raise
KeyError in the future, you can use .reindex() as an alternative.
See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#deprecate-loc-reindex-listlike
return self.loc[key]
Out[41]:
A 0.0
B 1.0
C 2.0
a NaN
b NaN
c NaN
dtype: float64
但是,如果你输入的索引值中均是不存在的,那么就会报错
In [43]: t[["a","b","c"]]
.
.
.
KeyError: "None of [['a', 'b', 'c']] are in the [index]"
那么,我们要如何在拿到一个Series的一维数组之后,查看他的索引和具体的值呢?
Series的索引和值
查看索引
index
In [44]: t.index
Out[44]: Index(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], dtype='object')
查看类型
In [46]: type(t.index)
Out[46]: pandas.core.indexes.base.Index
查看值
In [45]: t.values
Out[45]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
查看类型
In [47]: type(t.values)
Out[47]: numpy.ndarray
扩展
Series对象本质上是由两个数组组成
一个数组构成对象的键(index,索引),一个数组构成兑现改的值(values),键 --》值
numpy的很多方法都可以运用于Series类型,比如argmax,clip等
Series具有where方法,但是结果和ndarray不同
In [50]: t.where(t > 1,10)
Out[50]:
A 10
B 10
C 2
D 3
E 4
F 5
G 6
H 7
I 8
J 9
dtype: int64
观察代码,可以发现,pandas 的 where 语法是将 False 的设置为后续条件,与numpy正好相反
#此示例示意numpy
import numpy as np
#创建数组
n = np.arange(6).reshape(6,)
#np.where
np.where(n > 3,0,6)
#得到结果
array([6, 6, 6, 6, 0, 0])
可以看到,在一维数组中,pandas的where
是找到真值表达式的 False 进行修改,而 numpy 是提供两个参数numpy.where(condition[, x, y])
如果表达式为True,就修改为x,如果为False,修改为y
未完待续。。。