pandas 数据分析1：数据结构

数据分析

这是一个数据分析的 class-follow 笔记。

导包

import pandas as pd

import numpy as np

两大结构

Series

Series 是带标签的一维数组，可以存储任何数据类型（整型，字符串，浮点数等等）。轴标签统称为索引，基本的 Series 创建方法如下：

s = pd.Series(data, index=index)

s = pd.Series(data=None, index=None, dtype=None, name=None, copy=None, fastpath=None)  # 完整参数配置情况

data 支持：

• Python 字典
• 多维数组
• 标量值，如 5

index 是标签列表，标签可以重复（需要索引唯一的操作才会报错）：

• 当 data 使用字典类型时，键就是一部分的标签，index 中多余的标签会有值 NaN。
• 当 data 使用多维数组时，指定标签要与数据长度相同，默认使用 0~length-1。
• 当 data 使用标量值时，根据标签的多少创建常量，默认使用 0。

标签是与数据对齐的，计算时不会因为重复标签而发生错误。

Series 既能向多维数组一样进行索引、切片以及一些函数操作，又能像字典一样根据键取值。

import pandas as pd

import numpy as np

ps1 = pd.Series(np.random.randn(10), index=list("甲乙丙丁戊己庚辛壬癸"), name="正态分布随机数")

ps2 = pd.Series(
   {i: np.random.randn() for i in "甲乙丙丁戊"},
    index=list("甲乙丙丁戊己庚辛壬癸"),
    name = "正态分布随机数",
)

ps3 = pd.Series(1., index=list("甲乙丙丁戊己庚辛壬癸"), name="常量")

# print(ps1, ps2, ps3, sep="\n\n")

print(ps1[0], ps1["甲"], ps1[0:3], ps1[ps1 > ps1.median()], sep='\n\n')

DataFrame

DataFrame 可以理解为多个 Series 组成的。

df = pd.DataFrame(data, index, cloumn)

df = pd.DataFrame(data=None, index=None, cloumn=None, dtype=None, copy=None)

data 支持：

• 数组型：多维数组、列表、结构多数组
• 字典型：列表字典、Series 字典、元组字典（自动创建多层索引）
• 一个 DataFrame

df1_1 = pd.DataFrame(
    {
        'name': pd.Series(["张三", "李四", "王五"], index=list("甲乙丙")),
        'score': pd.Series([100, 70, 80], index=list("甲乙丙")),
        'grade': pd.Series(['A', 'C', 'B'], index=list("甲乙丙")),
    }
)

df1_2 = pd.DataFrame(
    {
        'name': ["张三", "李四", "王五"],
        'score': [100, 70, 80],
        'grade': ['A', 'C', 'B'],
    },
    index=list("甲乙丙"),
)

df1_3 = pd.DataFrame(
    {   # 行标签多一级，列标签多一级
        ("成绩等级表", 'name'): { ("X", "甲",): "张三", ("X", "乙",): "李四", ("X", "丙",): "王五" },
        ("成绩等级表", 'score'): { ("X", "甲",): 100, ("X", "乙",): 70, ("X", "丙",): 80 },
        ("成绩等级表", 'grade'): { ("X", "甲",): "A", ("X", "乙",): "C", ("X", "丙",): "B" }
    }
)

df2_1 = pd.DataFrame(
    [
        ["张三", 100, 'A'],
        ["李四", 70, 'C'],
        ["王五", 80, 'B'],
    ],
    index=list("甲乙丙"),
    columns=['name', 'score', 'grade'],
)

# print(df1_1, df1_2, df1_3, df2_1, sep="\n\n")

df1_1