pandas怎么转换数据类型_数据分析 | Pandas中文官档 ~ 基础用法（一）

呆鸟云：“在学习 Python 数据分析的过程中，呆鸟发现直接看官档就是牛逼啊，内容全面、丰富、详细，而 Python 数据分析里最核心的莫过于 pandas，于是就想翻译 pandas 官档，于是就发现了 pypandas.cn 这个项目，于是就加入了 pandas 中文官档翻译小组，于是就没时间更新公众号，于是就犯懒想把翻译与校译的 pandas 当公众号文章发上来，于是今后大家就可以在这里看了。”

本节介绍 pandas 数据结构的基础用法。下列代码创建示例数据对象：

In [1]: index = pd.date_range('1/1/2000', periods=8)

In [2]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

In [3]: df = pd.DataFrame(np.random.randn(8, 3), index=index,
   ...:                   columns=['A', 'B', 'C'])
   ...:

Head 与 Tail

head() 与 tail() 用于快速预览 Series 与 DataFrame，默认显示 5 条数据，也可以指定要显示的数量。

In [4]: long_series = pd.Series(np.random.randn(1000))

In [5]: long_series.head()
Out[5]:
0   -1.157892
1   -1.344312
2    0.844885
3    1.075770
4   -0.109050
dtype: float64

In [6]: long_series.tail(3)
Out[6]:
997   -0.289388
998   -1.020544
999    0.589993
dtype: float64

属性与底层数据

Pandas 可以通过多个属性访问元数据：

• shape:
  • 输出对象的轴维度，与 ndarray 一致
• 轴标签
  • Series: Index (仅有此轴)
  • DataFrame: Index (行) 与列

注意： 为属性赋值是安全的！

In [7]: df[:2]
Out[7]:
                   A         B         C
2000-01-01 -0.173215  0.119209 -1.044236
2000-01-02 -0.861849 -2.104569 -0.494929

In [8]: df.columns = [x.lower() for x in df.columns]

In [9]: df
Out[9]:
                   a         b         c
2000-01-01 -0.173215  0.119209 -1.044236
2000-01-02 -0.861849 -2.104569 -0.494929
2000-01-03  1.071804  0.721555 -0.706771
2000-01-04 -1.039575  0.271860 -0.424972
2000-01-05  0.567020  0.276232 -1.087401
2000-01-06 -0.673690  0.113648 -1.478427
2000-01-07  0.524988  0.404705  0.577046
2000-01-08 -1.715002 -1.039268 -0.370647

Pandas 对象(Index， Series， DataFrame)相当于数组的容器，用于存储数据，并执行计算。大部分类型的底层数组都是 numpy.ndarray。不过，pandas 与第三方支持库一般都会扩展 Numpy 类型系统，添加自定义数组(见数据类型)。

获取 Index 或 Series 里的数据，请用 .array 属性。

In [10]: s.array
Out[10]:

[ 0.4691122999071863, -0.2828633443286633, -1.5090585031735124,-1.1356323710171934,  1.2121120250208506]
Length: 5, dtype: float64
In [11]: s.index.array
Out[11]:
['a', 'b', 'c', 'd', 'e']
Length: 5, dtype: object

array 一般指 ExtensionArray。至于什么是 ExtensionArray 及 pandas 为什么要用 ExtensionArray 不是本节要说明的内容。更多信息请参阅数据类型。

提取 Numpy 数组，用 to_numpy() 或 numpy.asarray()。

In [12]: s.to_numpy()
Out[12]: array([ 0.4691, -0.2829, -1.5091, -1.1356,  1.2121])

In [13]: np.asarray(s)
Out[13]: array([ 0.4691, -0.2829, -1.5091, -1.1356,  1.2121])

Series 与 Index 的类型是 ExtensionArray 时， to_numpy() 会复制数据，并强制转换值。详情见数据类型。

to_numpy() 可以控制 numpy.ndarray 生成的数据类型。以带时区的 datetime 为例，Numpy 未提供时区信息的 datetime 数据类型，pandas 则提供了两种表现形式：

1. 一种是带 Timestamp 的 numpy.ndarray，提供了正确的 tz 信息。

2. 另一种是 datetime64[ns]，这也是 numpy.ndarray，值被转换为 UTC，但去掉了时区信息。

时区信息可以用 dtype