numpy和pandas的常用操作

创建数据对象

Pandas最常用的数据对象是数据框（DataFrame）和Series。数据框与R中的DataFrame格式类似，都是一个二维数组。Series则是一个一维数组，类似于列表。数据框是Pandas中最常用的数据组织方式和对象。有关更多数据文件的读取将在第三章介绍，本节介绍从对象和文件创建数据框的方式，具体如表1所示：

表1 Pandas创建数据对象

方法	用途	示例	示例说明
read_tableread_csvread_excel	从文件创建数据框	In: import pandas as pd In: data1 = pd.read_table('table_data.txt',sep=';')	读取table_data.txt文件，数据分隔符是;
DataFrame.from_dictDataFrame.from_itemsDataFrame.from_records	从其他对象例如Series、Numpy数组、字典创建数据框	In: data_dict = {'col1': [2, 1, 0], 'col2': ['a', 'b', 'a'], 'col3': [True, True, False]}In: data2 = pd.DataFrame.from_dict(data_dict)	基于字典创建数据框，列名为字典的3个key，每一列的值为key对应的value值

2 查看数据信息

查看信息常用方法包括对总体概况、描述性统计信息、数据类型和数据样本的查看，具体如表2所示：

表2 Pandas常用查看数据信息方法汇总

方法	用途	示例	示例说明
info	查看数据框的索引和列的类型、费控设置和内存用量信息。	In: print(http://data2.info())Out: <class 'pandas.core.frame.DataFrame'>RangeIndex: 3 entries, 0 to 2Data columns (total 3 columns):col1 3 non-null int64col2 3 non-null objectcol3 3 non-null booldtypes: bool(1), int64(1), object(1)memory usage: 131.0+ bytesNone	返回对象的所有信息
describe	显示描述性统计数据，包括集中趋势、分散趋势、形状等。	In: print(data2.describe())Out: col1count 3.0mean 1.0std 1.0min 0.025% 0.550% 1.075% 1.5max 2.0	默认查看数值型列，使用include= 'all'查看所有类型数据
dtype	查看数据框每一列的数据类型	In: print(data2.dtypes)Out: col1 int64col2 objectcol3 booldtype: objectt	结果是Series类型
head	查看前N条结果	In: print(data2.head(2))Out: col1 col2 col30 2 a True1 1 b True	从第一行开始取前2行
tail	查看后N条结果	In: print(data2.tail(2))Out: col1 col2 col31 1 b True2 0 a False	从最后一行开始取后2行
index	查看索引	In: print(data2.index)Out: RangeIndex(start=0, stop=3, step=1)	结果是一个类列表的对象，可用列表方法操作对象
columns	查看列名	In: print(data2.columns)Out: Index(['col1', 'col2', 'col3'], dtype='object')
shape	查看形状，记录有多少行多少列	In: print(data2.shape)Out: (3,3)	形状为元组类型
isnull	查看每个值是否为空值	In: print(data2.isnull())Out: col1 col2 col30 False False False1 False False False2 False False False	数据中没有空值，因此都是False
unique	查看特定列的唯一值	In: print(data2['col2'].unique())Out: ['a' 'b']	查看col2列的唯一值

注意 在上述查看方法中，除了info方法外，其他方法返回的对象都可以直接赋值给变量，然后基于变量对象做二次处理。例如可以从dtype的返回值中仅获取类型为bool的列。

3 数据切片和切块

数据切片和切块是使用不同的列或索引切分数据，实现从数据中获取特定子集的方式。常见的数据切片和切换的方式如表3所示：

表3 Pandas常用数据切分方法

方法	用途	示例	示例说明
[['列名1', '列名2',…]]	按列名选择单列或多列	In: print(data2[['col1','col2']])Out: col1 col20 2 a1 1 b2 0 a	选择data2的col1和col3两列
[m:n]	选择行索引在m到n间的记录	In: print(data2[0:2])Out: col1 col2 col30 2 a True1 1 b True	选取行索引在[0:2)中间的记录，不包含2
iloc[m:n]	In: print(data2.iloc[0:2])Out: col1 col2 col30 2 a True1 1 b True