python数据处理工具 -- pandas（序列与数据框的构造）

   Pandas模块的核心操作对象就是对序列(Series)和数据框（Dataframe）。序列可以理解为数据集中的一个字段，数据框是值包含至少两个字段（或序列）

的数据集。

 

构造序列

1.通过同质的列表或元组构建

2.通过字典构建

3.通过numpy中的一维数组构建

4.通过数据框Dataframe中的某一列构建

例如：

import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
print(gdp1)
print(gdp2)
print(gdp3)

out:

0    2.80
1    3.01
2    8.99
3    8.59
4    5.18
dtype: float64
北京    2.80
上海    3.01
广东    8.99
江苏    8.59
浙江    5.18
dtype: float64
0    2.80
1    3.01
2    8.99
3    8.59
4    5.18
dtype: float64

如上所示：不管是列表，元组，还是一维数组，构造的序列结果样式会产生两列，第一列属于序列的索引列（也可以理解为行号）

，自动从0开始，第二列才是序列的实际值。通过字典构造的序列就是第二个打印样式，仍然包含两列，所不同的是第一列不再是行号，而是具体的行名称（label），对应到字典中的键，第二列是序列的实际值，对应到字典的值；

 

序列与一维数组有极高的相似性，获取一维数组元素的所有索引方法都可以用到序列上，而且数组的数学和统计函数也同样可以用到序列上。另外序列会有更多的其他处理方法，如下：

import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
# print(gdp1)
# print(gdp2)
# print(gdp3)
print('行号风格的序列: \n ',gdp1[[0,3,4]]) #取出gdp1中的第1 4 5个元素
print('行名称风格的序列： \n',gdp2[[0,3,4]]) #取出gdp2中第 1 4 5个元素   取出的是字典的键值对
print('行名称风格的序列:\n',gdp2[['上海','江苏','浙江']])     # 取出的是键值对
print('通过numpy函数：\n',np.log(gdp1))     #可以用函数的方式直接取出相应对应的结果的值，通过numpy的方式需要通过其索引
print('通过numpy函数:\n',np.mean(gdp1))     
print('通过序列的方法：\n',gdp1.mean())     #可以看出序列也是支持方法的使用的

out：

行号风格的序列: 
  0    2.80
3    8.59
4    5.18
dtype: float64
行名称风格的序列： 
 北京    2.80
江苏    8.59
浙江    5.18
dtype: float64
行名称风格的序列:
 上海    3.01
江苏    8.59
浙江    5.18
dtype: float64
通过numpy函数：
 0    1.029619
1    1.101940
2    2.196113
3    2.150599
4    1.644805
dtype: float64
通过numpy函数:
 5.714
通过序列的方法：
 5.714

针对上面的代码需要说明几点，如果序列是行名称风格，既可以使用位置（行号）索引，又可以使用标签（行名称）索引；如果需要对序列进行数序函数的运算，一般首选numpy模块，因为pandas模块在这方面比较缺乏；如果是对序列做统计运算，既可以使numpy模块中的函数，也可以使用序列中的方法。一般首选

序列方法，因为序列方法更加丰富一些，如计算序列的偏度，峰度，而Numpy是没有这样的函数的。

 

构造数据框

   数据实质上就是一个数据集，数据集的行代表每一条观测，数据集的列则代表各个变量。在一个数据框中可以存放不同数据类型的序列，如整数型，浮点型，字符型和日期时间型，而数组和序列则没有这样的优势，因为他们只能存放同质数据。构造一个数据库可以应用如下方式：

1.通过嵌套的列表或元组构造

2.通过字典构造

3.通过二维数组构造

4.通过外部数据的读取构造。

示例：

 

import pandas as pd
import numpy as np
df1 = pd.DataFrame([['张三',23,'男'],['李四',27,'女'],['王五',26,'女']])
df2 = pd.DataFrame({'姓名':['张三','李四','王五'],'年龄':[23,27,26],'性别':['男','女','女']})
df3 = pd.DataFrame(np.array([['张三',23,'男'],['李四','27','女'],['王五',26,'女']]))
print('嵌套列表构造数据框：\n',df1)
print('字典构造数据框：\n',df2)
print('二维数组构造数据框：\n',df3)

out:

嵌套列表构造数据框：
     0   1  2
0  张三  23  男
1  李四  27  女
2  王五  26  女
字典构造数据框：
    姓名  年龄 性别
0  张三  23  男
1  李四  27  女
2  王五  26  女
二维数组构造数据框：
     0   1  2
0  张三  23  男
1  李四  27  女
2  王五  26  女

构造数据框需要使用到Pandas模块中的DataFrame函数，如果通过嵌套列表或元组构造数据框，则需要将数据框的每一行观测座位嵌套列表或元组的元素；如果通过二维数组构造数据框，则需要将数据框的每一行写入到数组的行中；如果通过字典构造数据框，则字典的键构成数据框的变量名，对应的值构成数据的观测。尽管上面的代码都可以构造数据框，但是讲嵌套列表，元组或二维数组转换为数据框时，数据框是没有具体的变量名的，只有从0到N的列号。所以，如果需要手工构造数据框的话，一般首选字典方法。

 

外部数据的读取

外部数据的读取来构造数据框的内容会比较多，下一篇再来记录...