（14）pandas基础1：Series和DataFrame模块

pandas的常用工具数据结构：Series和DataFrame

1 Series介绍

Series 是一维的数组型对象，它包含了一个值序列和数据标签（称为索引），最简单的序列由一个数组形成，可理解维是一个长度固定且有序的字典

基本使用

obj = pd.Series([4, 7, -5, 3]) 
obj
obj.values #获取值
obj.index #获取索引范围，默认索引从0至N-1

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c']) #指定索引值（类似map）
obj2
obj2.index
obj2['a']
obj2['d'] = 6 #特定索引修改值
obj2[['c', 'a', 'd']] #据索引取值
obj2[obj2 > 0] #判断值范围，过滤
obj2 * 2 #乘积
np.exp(obj2)
'b' in obj2 #判断某值是否在数组
'e' in obj2

sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
obj3 = pd.Series(sdata) #返回对应的数组
obj3
states = ['California', 'Ohio', 'Oregon', 'Texas']
obj4 = pd.Series(sdata, index=states) #将数组的索引替代，且经过了排序
obj4
pd.isnull(obj4) #判断数组值中是否有NaN的，返回布尔数组 （NaN为缺失数据）
等同于 
obj4.isnull()
pd.notnull(obj4) #判断数组值中是否没有NaN的，返回布尔数组
obj3
obj4
obj3 + obj4 #同key的累加，其中有一数组的无对应key，则返回空;与join操作相似
obj4.name = 'population' #添加数组的name属性
obj4.index.name = 'state' #添加数组索引的name属性
obj4

 2 DataFrame介绍

DataFrame 表示的是矩阵的数据表，包含了已排序的列集合，每一列可以是不同的数据类型（数值、字符串、布尔值等），DataFrame既有行索引也有列索引，可视为一个共享相同索引的Series的字典。在DataFrame中，数据被存储为一个以上的二维块，而不是列表、字典或其他一维数组的集合

注意：从dataframe中选取的列是数据的视图，而不是拷贝，因此，对series的修改会映射到dataframe中，如需复制，则应当显式地使用series的copy方法

2.1 基本使用

最常用的构建方式是利用包含等长度列表或numpy数组的字典来形成dataframe

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
frame = pd.DataFrame(data) #定义dataframe的数据,会自动分配索引，并排序
frame

frame.head() #获取数据表的头部的5行
pd.DataFrame(data, columns=['year', 'state', 'pop']) #按照指定列的排序


2.2 基于行列操作
frame2 = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'],index=['one', 'two', 'three', 'four','five', 'six']) #指定源数据data，指定列名顺序，指定行索引，且指定的列名不存在，则会补充缺失值
frame2
frame2.columns #获取列名
frame2['state'] #取对应列的值 方法1（任意列名均有效）
frame2.year #取对应列的值 方法2（仅在是python有效变量名时有效）





frame2.loc['three'] #获取指定行
frame2['debt'] = 16.5 #指定列赋固定值
frame2
frame2['debt'] = np.arange(6.) #指定列赋范围值
frame2




val = pd.Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five']) 
frame2['debt'] = val #指定列，赋Series有对应索引的值
frame2
frame2['eastern'] = frame2.state == 'Ohio' #添加列，并指定对应值，赋值时长度必须一致
#注意 frame2.eastern的语法无法创建新的列
frame2
del frame2['eastern'] #删除列
frame2.columns

2.3 嵌套字典数据

pop = {'Nevada': {2001: 2.4, 2002: 2.9},'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}}
frame3 = pd.DataFrame(pop) #将嵌套的字典，作为行显示
frame3
frame3.T #转置数据表
pd.DataFrame(pop, index=[2001, 2002, 2003])

2.4 截取serise的字典部分数据 形成dataframe 

pdata = {'Ohio': frame3['Ohio'][:-1],'Nevada': frame3['Nevada'][:2]}
pd.DataFrame(pdata) #截取部分数据表的数据
frame3.index.name = 'year'; frame3.columns.name = 'state'#添加name属性
frame3
frame3.values #取数据表的值
frame2.values #若dataframe包含不同的数据类型，则value的dtype会自动现在合适列的类型

3 Dataframe构造函数的有效输入

（1）2D ndarray :  数据的矩阵，行和列的标签是可选参数

（2）数组、列表和元组构成的字典 : 每个序列成为dataframe的一列，所有的序列必须等长

（3）numpy结构化/记录化数组：与数组构成的字典一致

（4）series构成的字典：每个值成为一列，每个series的索引联合起来形成结果的行索引，也可显示地传递索引

（5）字典或series构成的列表：列表中的一个元素形成dataframe的一行，字典或series索引联合起来形成dataframe的列标签

（6）其他dataframe：如不显示传递索引，则会使用原索引

（7）其他的一些字典或列表或数组等

 

 

  

本篇知识点参考《利用python进行数据分析》，更多知识请阅读原书