前言
最近数学建模的比赛需要用上Python,这里的Python速成笔记仅作为学习所用,欢迎大家在评论区多多讨论
pandas 是基于 Numpy 构建的,让以 Numpy 为中心的应用变得更加简单。pandas是公认的数据处理利器,本章内容主要介绍DataFrame数据结构,在此基础上进行数据处理。除了DataFrame格式,pandas 还包括Series、Panel格式。
格式 | 数组 | 释义 |
---|---|---|
Series | 一维数组 | 与Numpy中的一维array类似 |
DataFrame | 二维的表格型数据结构 | 可以将DataFrame理解为Series的容器 |
Panel | 三维的数组 | 可以理解为DataFrame的容器 |
开始之前,我们首先掌握导入pandas库,方式如下:
import pandas as pd
注意:以下内容必须在导入pandas库之后才能运行
一、Series和DataFrame介绍
1.Series
由一组数据和与之相关的索引组成。可通过传递一个list对象来创建一个Series,pandas会默认创建整型索引。
创建一个Series:
s = pd.Series([1,3,5,7,6,8])
print(s)
输出:
0 1
1 3
2 5
3 7
4 6
5 8
dtype: int64
获取 Series 的索引:
s.index
输出:
RangeIndex(start=0, stop=6, step=1)
2.DataFrame
DataFrame是一个表格型的数据结构,它含有一组有序的列,每一列的数据结构都是相同的,而不同的列之间则可以是不同的数据结构。DataFrame中的每一行是一个记录,名称为Index的一个元素,而每一列则为一个字段,是这个记录的一个属性,DataFrame既有行索引也有列索引。(DataFrame类似于MySQL数据库里的表)
创建DataFrame
首先来看如何从字典创建DataFrame
d = {'one': [1, 2, 3], 'two': [1, 2, 3]}
df = pd.DataFrame(d,index=['a', 'b', 'c'])
print(df)
输出:
one two
a 1 1
b 2 2
c 3 3
可以使用dataframe.index和dataframe.columns来查看DataFrame的行和列,dataframe.values则以数组的形式返回DataFrame的元素:
print(df.index) #查看行
print(df.columns) #查看列
print(df.values) #查看元素
输出:
Index(['a', 'b', 'c'], dtype='object')
Index(['one', 'two'], dtype='object')
[[1 1]
[2 2]
[3 3]]
DataFrame从值是数组的字典创建时,其各个数组的长度需要相同,加强印象,可参考以下报错的例子。
d = {'one': [1, 2], 'two': [1, 2, 3]}
df = pd.DataFrame(d,index=['a', 'b', 'c'])
print(df)
报错:
elif isinstance(data, ma.MaskedArray):
277 import numpy.ma.mrecords as mrecords
/opt/conda/lib/python3.5/site-packages/pandas/core/frame.py in _init_dict(self, data, index, columns, dtype)
409 arrays = [data[k] for k in keys]
410
--> 411 return _arrays_to_mgr(arrays, data_names, index, columns, dtype=dtype)
412
413 def _init_ndarray(self, values, index, columns, dtype=None, copy=False):
/opt/conda/lib/python3.5/site-packages/pandas/core/frame.py in _arrays_to_mgr(arrays, arr_names, index, columns, dtype)
5602 axes = [_ensure_index(columns), _ensure_index(index)]
5603
-> 5604 return create_block_manager_from_arrays(arrays, arr_names, axes)
5605
5606
/opt/conda/lib/python3.5/site-packages/pandas/core/internals.py in create_block_manager_from_arrays(arrays, names, axes)
4312 return mgr
4313 except ValueError as e:
-> 4314 construction_error(len(arrays), arrays[0].shape, axes, e)
4315
4316
/opt/conda/lib/python3.5/site-packages/pandas/core/internals.py in construction_error(tot_items, block_shape, axes, e)
4278 raise ValueError("Empty data passed with indices specified.")
4279 raise ValueError("Shape of passed values is {0}, indices imply {1}".format(
-> 4280 passed, implied))
4281
4282
ValueError: Shape of passed values is (2, 2), indices imply (2, 3)
如果DataFrame的值是非数组时,没有这一限制,且自动将缺失值补成NaN。如下示例
d= [{'a': 1.6, 'b': 2}, {'a': 3, 'b': 6, 'c': 9}]
df = pd.DataFrame(d)
print(df)
输出:
a b c
0 1.6 2 NaN
1 3.0 6 9.0
在实际处理数据时,有时需要创建一个空的DataFrame,可以这么做:
df = pd.DataFrame()
print(df)
输出:
Empty DataFrame
Columns: []
Index: []
另一种创建DataFrame的方法十分有用,那就是使用concat函数创建DataFrame,其主要是通过两个行或列相同的DataFrame链接成一个。
a= [{'a': 1.6, 'b': 2}, {'a': 3, 'b': 6}]
df1 = pd.DataFrame(a)
b= [{'a': 4, 'b': 5}]
df2 = pd.DataFrame(b)
df = pd.concat([df1, df2], axis=0)
print(df1)
print(df2)
print(df)
输出:
a b
0 1.6 2
1 3.0 6
a b
0 4 5
a b
0 1.6 2
1 3.0 6
0 4.0 5
注意:concat函数内有axis参数,其中的axis=1表示按列进行合并,axis=0表示按行合并