Python Pandas中的数据结构实例分析(pandas,python,开发技术)

前言：

Pandas有三种数据结构：Series、DataFrame和Panel。Series类似于数组；DataFrame类似于表格；Panel可视为Excel的多表单Sheet

1.Series

Series是一种一维数组对象，包含一个值序列，并且包含数据标签，称为索引(index)，通过索引来访问数组中的数据。

1.1通过列表创建Series

例1.通过列表创建

importpandasaspdobj=pd.Series([1,-2,3,4])#仅由一个数组构成print(obj)

输出：

0 1
1 -2
2 3
3 4
dtype: int64

输出的第一列为index，第二列为数据value。如果创建Series时没有指定index，Pandas会采用整型数据作为该Series的index。也可以使用Python里的索引index和切片slice技术

例2.创建Series时指定索引

importpandasaspdi=["a","c","d","a"]v=[2,4,5,7]t=pd.Series(v,index=i,name="col")print(t)

out:

a 2
c 4
d 5
a 7
Name: col, dtype: int64

尽管创建Series指定了index，实际上Pandas还是有隐藏的index位置信息。所以Series有两套描述某条数据手段：位置和标签

例3.Series位置和标签的使用

importpandasaspdval=[2,4,5,6]idx1=range(10,14)idx2="hellothecruelworld".split()s0=pd.Series(val)s1=pd.Series(val,index=idx1)t=pd.Series(val,index=idx2)print(s0.index)print(s1.index)print(t.index)print(s0[0])print(s1[10])print('default:',t[0],'label:',t["hello"])

1.2通过字典创建Series

如果数据被存放在一个Python字典中，也可以直接通过这个字典来创建Series

例4.通过字典创建Series

importpandasaspdsdata={'Ohio':35000,'Texass':71000,'Oregon':16000,'Utah':5000}obj=pd.Series(sdata)print(obj)

Ohio 35000
Texass 71000
Oregon 16000
Utah 5000
dtype: int64

如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）

例5.通过字典创建Series时的索引

importpandasaspdsdata={"a":100,"b":200,"e":300}obj=pd.Series(sdata)print(obj)

a 100
b 200
e 300
dtype: int64

如果字典中的键值和指定的索引不匹配，则对应的值时NaN

例6.键值和指定索引不匹配

importpandasaspdsdata={"a":100,"b":200,"e":300}letter=["a","b","c","e"]obj=pd.Series(sdata,index=letter)print(obj)

a 100.0
b 200.0
c NaN
e 300.0
dtype: float64

对于许多应用而言，Series重要的一个功能是：它在算术运算中会自动对齐不同索引的数据

例7.不同索引数据的自动对齐

importpandasaspdsdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}obj1=pd.Series(sdata)states=['California','Ohio','Oregon','Texas']obj2=pd.Series(sdata,index=states)print(obj1+obj2)

California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64

Series的索引可以通过赋值的方式就地修改

例8.Series索引的修改

importpandasaspdobj=pd.Series([4,7,-3,2])obj.index=['Bob','Steve','Jeff','Ryan']print(obj)

Bob 4
Steve 7
Jeff -3
Ryan 2
dtype: int64

2.DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引，它可以被看作由Series组成的字典(共用同一个索引)。跟其他类型的数据结构相比，DataFrame中面向行和面向列的操作上基本上是平衡的

构建DataFrame的方式有很多，最常用的是直接传入一个由等长列表或NumPy数组组成的字典来形成DataFrame

例9.DataFrame的创建

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data)print(df)

name sex year city
0 张三 female 2001 北京
1 李四 female 2001 上海
2 王五 male 2003 广州
3 小明 male 2002 北京

DataFrame会自动加上索引(跟Series一样)，且全部列会被有序排列。如果指定了列名序列，则DataFrame的列就会按照指定顺序进行排列

例10.DataFrame的索引

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city'])print(df)

name year sex city
0 张三 2001 female 北京
1 李四 2001 female 上海
2 王五 2003 male 广州
3 小明 2002 male 北京

跟Series一样，如果传入的列在数据中找不到，就会产生NaN值。

例11.DataFrame创建时的空缺值

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'])print(df)

name year sex city address
0 张三 2001 female 北京 NaN
1 李四 2001 female 上海 NaN
2 王五 2003 male 广州 NaN
3 小明 2002 male 北京 NaN

DataFrame构造函数的columns函数给出列的名字，index给出label标签

例12.DataFrame构建时指定列名

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'],index=['a','b','c','d'])print(df)

name year sex city address
a 张三 2001 female 北京 NaN
b 李四 2001 female 上海 NaN
c 王五 2003 male 广州 NaN
d 小明 2002 male 北京 NaN

3.索引对象

Pandas的索引对象负责管理轴标签和其他元数据(例如轴名称等).构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index

例13.显示DataFrame的索引和列

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'],index=['a','b','c','d'])print(df)print(df.index)print(df.columns)

name year sex city address
a 张三 2001 female 北京 NaN
b 李四 2001 female 上海 NaN
c 王五 2003 male 广州 NaN
d 小明 2002 male 北京 NaN
Index(['a', 'b', 'c', 'd'], dtype='object')
Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')

索引对象不能进行修改，否则会报错。不可修改性非常重要，因为这样才能使Index对象在多个数据结构之间安全共享
除了长的像数组，Index的功能也类似于一个固定大小的集合

例14.DataFrame的Index

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'],index=['a','b','c','d'])print('name'indf.columns)print('a'indf.index)

True

True

每个索引都有一些方法和属性，他们可用于设置逻辑并回答有关该索引所包含的数据的常见的问题。

例15.插入索引值

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'],index=['a','b','c','d'])df.index.insert(1,'w')Index(['a','w','b','c','d'],dtype='object')

4.查看DataFrame的常用属性

DataFrame的基础属性有value、index、columns、dtypes、ndim和shape，分别可以获取DataFrame的元素、索引、列名、类型、维度和形状。

例16.显示DataFrame的属性

importpandasaspddata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data,columns=['name','year','sex','city','address'],index=['a','b','c','d'])print(df)print('信息表的所有值为：\n',df.values)print('信息表的所有列为：\n',df.columns)print('信息表的元素个数：\n',df.size)print('信息表的维度：\n',df.ndim)print('信息表的形状：\n',df.shape)#//输出nameyearsexcityaddressa张三2001female北京NaNb李四2001female上海NaNc王五2003male广州NaNd小明2002male北京NaN信息表的所有值为：[['张三'2001'female''北京'nan]['李四'2001'female''上海'nan]['王五'2003'male''广州'nan]['小明'2002'male''北京'nan]]信息表的所有列为：Index(['name','year','sex','city','address'],dtype='object')信息表的元素个数：20信息表的维度：2信息表的形状：(4,5)