【数据科学】02 pandas库-Series&DataFrame数据结构及其基本操作

---

1. 读入数据

import pandas as pd      #引入pandas库
df = pd.read_csv('students.csv',header=0,encoding='gbk') #读入文件中的数据集，保存到DataFrame对象df中

2. Pandas数据结构

Series

Series是一种类似于一维数组的对象，每个Series对象都由两个数组组成：

• Index: 从numpy数组继承的Index对象，用于保存标签信息；
• Value: 保存值的numpy数组，值的数据类型没有限制，可以是各种numpy数据类型。

Index	Value
2022001	95
2022002	85
2022003	90

1. 创建Series对象

Series（data，[参数列表]）

• data：传入的数据，可以是列表、元祖、字典、numpy数组。
• index：指定索引，要求是一个列表。
  如果没有指定索引，系统自动创建0~n-1（n为data中元素的个数）的整数型索引。
  使用字典创建Series对象时，字典的key作为索引。

marks = pd.Series([95,85,90],index=['2022001','2022002','2022003'])

# 通过对象的index和values属性，获取索引对象和值的数组表示形式。
print(marks.index)
print(marks.value)

2. 数据访问

• 查询序号为1的学生的成绩

marks[1] 	
>>> 88

• 查询学号为2022001的学生的成绩

marks['2022001']
>>> 95

• 查询位置序号为1和3的两名学生的成绩

marks[[1,3]]	 
>>> 2022001    95
>>> 2022003    90

marks[1:3] # 切片
>>> 2022001    95
>>> 2022003    90

• 查询学号为2022001和2022003的学生的成绩

marks[['2022001','2022003']]
>>> 2022001    95
>>> 2022003    90

• 查询所有大于85分的学生成绩

marks[marks>85]
>>> 2022001    95
>>> 2022003    90

3. 数据修改

• 将marks中成绩低于90分的成绩修改为60分

marks[marks<90]=60

4. 数据删除

• 删除marks中学号为2022001，2022002的学生成绩

marks.drop(['2022001','2022002'],inplace=True)

5. 数据添加

• Series对象可以直接添加数据

# 在marks中添加学号为“2022004”的学生
marks['2022004'] = 98

• 使用apppend方法将一组数据添加到原对象中

# 在marks中添加学号为“2022005”和“2022006”的学生，成绩分别为73，59
new_stu = pd.Series({'2022005':73,'2022006':59})
new_marks = marks.append(new_stu)
#【注】使用append方法将new_stu和 mark拼接成一个新的Series对象new_mark, new_stu和 marks保持不变。

DataFrame

每个DataFrame对象由三部分组成：

• 行索引
• 列索引
• 值

Index	Name	Mark	Professional
2022001	Daisy	95	Math
2022002	Sarah	85	MBA
2022003	Eric	90	Accounting

1. 创建DataFrame对象

DataFrame（data，[参数列表]）

• data：用于创建DataFrame的数据，不可缺省。
  可以是ndarry二维数组、由等长列表或numpy数组组成的字典、由Series组成的字典、由列表或元组组成的列表或其它DataFrame对象。
• index：行标签，列表类型。
  若没有指定行索引，自动生成0~n-1的整数型索引，n为数据的行数。
• columns: 列标签，列表类型。
  若没有指定列索引，自动生成0~m-1的整数型索引，m为数据的列数。
  使用字典创建DataFrame对象时，字典的key用作列标签。

data = [['Daisy',95,'Math'],['Sarah',85,'MBA'],['Eric',90,'Accounting']]
column = ['Name','Mark','Professional']
idx = [2022001,2022002,2022003]
students = pd.DataFrame(data,index=idx,columns=column)

# 通过对象的index、columns和values属性，获取索引对象和值的数组表示形式。
print(students.index)
print(students.columns)
print(students.values)

2. 数据访问

	数据选择方法	说明
选择单个数据	obj.iloc[iloc,cloc]	根据位置序号选择第iloc行，第cloc列的单个数据
	obj.loc[index,col]	根据索引选择index所在行，col所在列的单个数据
	obj.at[index,col]	根据索引选择index所在行，col所在列的单个数据
	obj.get_value(index,col)	根据索引选择index所在行，col所在列的单个数据
选择某些行某些列的数据	obj.iloc[iloclist,cloclist]	根据位置序号选择某些行某些列的数据，省略cloclist选择所有列
	obj.iloc[a:b,c:d]	根据位置序号，选择a~b-1行，c~d-1列的数据，行或列用：替代，表示选择所有行或列
	obj.loc[indexlist,collist]	根据索引选择某些行某些列的数据，省略collist，选择所有列
	obj[col]	根据索引选择某列（全部行）的数据 ,等价于obj.col
	obj[collist]	根据索引选取多个列（全部行）的数据
	obj[a:b]	根据位置序号，选择a~b-1行所有列的数据
根据条件筛选数据	obj.loc[condition,collist]	根据所构造的条件表达式，选择满足条件的行

• 查询第1行第2列的数据

students.iloc[1,2]   		
>>> 'MBA'

• 查询学号为2022001学生的成绩

students.loc[2022001,'Mark']
>>> 95

• 查询第0、2行第0，2列的数据

students.iloc[[0,2],[0,2]]
>>>           Name Professional
	2022001  Daisy         Math
	2022003   Eric   Accounting

• 查询前3行，最后2列的数据

students.iloc[:3,-2:]
>>>         Mark Professional
	2022001    95         Math
	2022002    85          MBA
	2022003    90   Accounting

3. 数据修改

• 将数学专业修改为统计学

students.loc[students.Professional=='Math','Professional']='Statics'

4. 数据删除

Drop(labels = None, axis = 0, index = None, columns = None, level = None, inplace = False, errors = ‘raise’)

• labels：要删除的列或者行，如果要删除多个，传入列表
• axis：轴向参数,指明按行或列删除数据。
  axis=0，删除数据的行，axis=1，删除数据的列。默认axis=0
• index：指定的一行或多行
• columns：指定的一列或多列
• level：索引层级，将删除此层级
• inplace：布尔值，是否生效
• errors:ignore或raise，默认为raise，如果为ignore，则容忍错误，仅删除现有标签

【注】drop方法产生副本，在副本中删除数据。要删除原始对象中的数据，使用drop方法时，设置参数 inplace=True，或采用重新赋值的方式。

• 删除students中学号为2022001和2022002的学生

students.drop(['2022001','2022002'],inplace=True) 

• 删除students中的Professional列：

students.drop('Prfessional',axis=1,inplace=True)

5. 数据添加

• DataFrame对象添加新的列数据

# 给students添加Age列
students['Age']=[20,21,20]
# 【注】若列标签“年龄”不存在，添加新列，否则，修改该列的值。

• DataFrame对象添加行数据时，需要为新增加的数据创建Series对象，然后使用append方法进行添加

# 在students中添加学号2022009的学生
new_stu1 = pd.Series(['Amy',83, 'MBA'])
new_stu1.index = ['Name','Mark','Professional']
new_stu1.name = '20220009'
new_students = students.append(new_stu1)

---

希望能够对你有所帮助。