pandas学习
Pandas数据结构
Pandas中一共有三种数据结构,分别为:Series、DataFrame和MultiIndex(老版本中叫Panel )。
其中Series是一维数据结构,DataFrame是二维的表格型数据结构,MultiIndex是三维的数据结构。
1.Series
Series是一个类似于一维数组的数据结构,它能够保存任何类型的数据,比如整数、字符串、浮点数等,主要由一组数据和与之相关的索引两部分构成。
Series的创建
# 导入pandas import pandas as pd pd.Series(data=None, index=None, dtype=None)
参数:
- data:传入的数据,可以是ndarray、list等
- index:索引,必须是唯一的,且与数据的长度相等。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
- dtype:数据的类型
通过已有数据创建
- 指定内容,默认索引
pd.Series(np.arange(10))
- 指定索引
pd.Series([1.2, 2.3, 4.5, 5.0], index=[1, 2, 3, 4])
- 通过字典数据创建
color_count = pd.Series({"red":10, "green":20, "blue":100})
Series的属性
color_count.index
color_count.values
2.DataFrame
DataFrame是一个类似于二维数组或表格(如excel)的对象,既有行索引,又有列索引
- 行索引,表明不同行,横向索引,叫index,0轴,axis=0
- 列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
DataFrame的创建
# 导入pandas import pandas as pd pd.DataFrame(data=None, index=None, columns=None)
-
参数:
- index:行标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
- columns:列标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
-
通过已有数据创建
例:
2行3列
pd.DataFrame(np.random.randn(2,3))
# 生成10名同学,5门功课的数据 score = np.random.randint(40, 100, (10, 5))
- 增加行、列索引
subjects = ["语文", "数学", "英语", "政治", "体育"] stu = ["同学"+ str(i) for i in range(score_df.shape[0])] data = pd.DataFrame(score, columns=subjects, index=stu)
DataFrame的属性
转置:
- head(5):显示前5行内容
- 如果不补充参数,默认5行。填入参数N则显示前N行
data.head(5)
- tail(5):显示后5行内容
如果不补充参数,默认5行。填入参数N则显示后N行
data.tail(5)
DatatFrame索引的设置
修改行列索引值
stu = ["同学_"+ str(i) for i in range(score_df.shape[0])]
# 必须整体全部修改
data.index = stu
重设索引
data.reset_index()
# 重置索引,drop=True
data.reset_index(drop=True)
以某列值设置为新的索引
set_index(keys, drop=True)
- keys : 列索引名成或者列索引名称的列表
- drop : boolean, default True.当做新的索引,删除原来的列
df = pd.DataFrame({'month': [1, 4, 7, 10], 'year': [2012, 2014, 2013, 2014], 'sale':[55, 40, 84, 31]}) df.set_index("year")
3.MultiIndex与Panel
MultiIndex是三维的数据结构;
多级索引(也称层次化索引)是pandas的重要功能,可以在Series、DataFrame对象上拥有2个以及2个以上的索引。
arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']] pd.MultiIndex.from_arrays(arrays, names=('number', 'color')) # 结果 MultiIndex(levels=[[1, 2], ['blue', 'red']], codes=[[0, 0, 1, 1], [1, 0, 1, 0]], names=['number', 'color'])
Panel
panel的创建
-
class
pandas.Panel
(data=None, items=None, major_axis=None, minor_axis=None)-
作用:存储3维数组的Panel结构
-
参数:
-
data : ndarray或者dataframe
-
items : 索引或类似数组的对象,axis=0
-
major_axis : 索引或类似数组的对象,axis=1
-
minor_axis : 索引或类似数组的对象,axis=2
-
p = pd.Panel(data=np.arange(24).reshape(4,3,2), items=list('ABCD'), major_axis=pd.date_range('20130101', periods=3), minor_axis=['first', 'second']) # 结果 <class 'pandas.core.panel.Panel'> Dimensions: 4 (items) x 3 (major_axis) x 2 (minor_axis) Items axis: A to D Major_axis axis: 2013-01-01 00:00:00 to 2013-01-03 00:00:00 Minor_axis axis: first to second
- 查看:
-
p[:, :, "second"]
p[:, :, "first"]
p["A", :, :]
-
-