pandas 初识（一）

基本内容

Series:

• Series 是有一组数据（numpy的数据类型 numpy.ndarray）以及一组数据标签（即索引）组成，可以看成一个一个定长的有序字典（索引值到数据值的一个映射）

obj = Series([4, 7, -5, 3])
print(type(obj))
print(type(obj.values))
obj.values

<class 'pandas.core.series.Series'>
<class 'numpy.ndarray'>

array([ 4,  7, -5,  3], dtype=int64)

• 创建：
  • 通过序列 + index，index 默认为自然数

obj2 = Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
obj2.values.tolist()

• • 通过字典

obj2 = Series({'d': 4, 'b': 7, 'a': -5, 'c': 3})
obj2.to_dict()

 

DataFrame

• 介绍：
  • 表型数据结构，可以看做有多个拥有同一索引的Series构成的字典
• 创建：
  • 通过字典（平铺） + index + columns ：

data = {
    'state': ['a', 'a', 'a', 'b', 'b'],
    'year': [2000, 2001, 2002, 2001, 2002],
    'pop': [1.5, 1.7, 3.6, 2.4, 2.9]
}
df = DataFrame(data=data)
print("df=", df)

注： index， columns 均为list， 如果没有给定，则为默认， index 默认为自然数，columns 默认为按照它排序

• • 通过嵌套字典：

data = {
    'state': {0: 'a', 1: 'a', 2: 'a', 3: 'b', 4: 'b'}, 
    'year': {0: 2000, 1: 2001, 2: 2002, 3: 2001, 4: 2002}, 
    'pop': {0: 1.5, 1: 1.7, 2: 3.6, 3: 2.4, 4: 2.9}
}

df = DataFrame(data=data)
print("df=", df)

state year pop
a a 2000 1.5
b a 2001 1.7
c a 2002 3.6
d b 2001 2.4
e b 2002 2.9

• • 二维 ndarray， 数组、列表，元组，可以加入行，列label

data3 = [['a', 2000, 1.5],
       ['a', 2001, 1.7],
       ['a', 2002, 3.6],
       ['b', 2001, 2.4],
       ['b', 2002, 2.9]]

 

• 列（特征访问）,默认的访问对象， 结果为一个Series：
  • 通过属性的方式： df.state
  • 通过字典的方式： df["state"]
• 行访问，通过访问索引，结果为一个Series：
  • ix：被下面2个代替
  • loc : 访问的索引值，即行值 index label
  • iloc : 访问的索引行，即行号，index position
• 索引的重置：
  • reindex(列表a, method="ffill")：按照a进行重新排列样本数据，源索引不存在，样本添加缺少值, method 缺失值的填充方式
  • set_index(n) ： 参数为字符串（列）或者列的序列，集合。函数会将一个或多个列转换为行索引，并创建新的DataFrame
  • reset_index() :  以当前顺序删除旧的索引，重新生成新索引（自然数）