【4.0】Pandas Panel三维数据结构

【一】三维数据结构

• Panel 结构也称“面板结构”，它源自于 Panel Data 一词，翻译为“面板数据”。
• 如果您使用的是 Pandas 0.25 以前的版本，那么您需要掌握本节内容，否则，作为了解内容即可。
• 自 Pandas 0.25 版本后， Panel 结构已经被废弃。
• Panel 是一个用来承载数据的三维数据结构，它有三个轴，分别是 items（0 轴），major_axis（1 轴），而 minor_axis（2 轴）。
• 这三个轴为描述、操作 Panel 提供了支持，其作用介绍如下：
  • items：axis =0，Panel 中的每个 items 都对应一个 DataFrame。
  • major_axis：axis=1，用来描述每个 DataFrame 的行索引。
  • minor_axis：axis=2，用来描述每个 DataFrame 的列索引。

【二】pandas.Panel()

• 您可以使用下列构造函数创建一个 Panel，如下所示：

pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)

• 参数说明如下：

参数名称	描述说明
data	输入数据，可以是 ndarray，Series，列表，字典，或者 DataFrame。
items	axis=0
major_axis	axis=1
minor_axis	axis=2
dtype	每一列的数据类型。
copy	默认为 False，表示是否复制数据。

【0】创建Panel 对象

• 下面介绍创建 Panel 对象的两种方式：
  • 一种是使用 nadarry 数组创建
  • 另一种使用 DataFrame 对象创建。
• 首先，我们学习如何创建一个空的 Panel 对象。

【1】创建一个空Panel

• 使用 Panel 的构造函数创建，如下所示：

import pandas as pd

p = pd.Panel()
print(p)

<class 'pandas.core.panel.Panel'>
Dimensions: 0 (items) x 0 (major_axis) x 0 (minor_axis)
Items axis: None
Major_axis axis: None
Minor_axis axis: None

【2】ndarray三维数组创建

import pandas as pd
import numpy as np

# 返回均匀分布的随机样本值位于[0,1）之间
data = np.random.rand(2, 4, 5)
p = pd.Panel(data)
print(p)

<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis)
Items axis: 0 to 1
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 4

• 请注意与上述示例的空 Panel 进行对比。

【3】 DataFrame创建

• 下面使用 DataFrame 创建一个 Panel，示例如下：

import pandas as pd
import numpy as np

data = {'Item1': pd.DataFrame(np.random.randn(4, 3)),
        'Item2': pd.DataFrame(np.random.randn(4, 2))}
p = pd.Panel(data)
print(p)

Dimensions: 2 (items) x 4 (major_axis) x 3 (minor_axis)
Items axis: Item1 to Item2
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 2

【三】Panel中选取数据

• 如果想要从 Panel 对象中选取数据，可以使用 Panel 的三个轴来实现，也就是items，major_axis，minor_axis。下面介绍其中一种，大家体验一下即可。

【1】使用 items选取数据

• 示例如下：

import pandas as pd
import numpy as np

data = {'Item1': pd.DataFrame(np.random.randn(4, 3)),
        'Item2': pd.DataFrame(np.random.randn(4, 2))}
p = pd.Panel(data)
print(p['Item1'])

            0          1          2
0    0.488224  -0.128637   0.930817
1    0.417497   0.896681   0.576657
2   -2.775266   0.571668   0.290082
3   -0.400538  -0.144234   1.110535

• 上述示例中 data，包含了两个数据项，我们选择了 item1，输出结果是 4 行 3 列的 DataFrame，其行、列索引分别对应 major_axis 和 minor_axis。