Pandas数据结构

做python数据分析，数据挖掘，机器学习的童鞋应该都离不开pandas。在做数据的预处理的时候pandas尤为给力。

本文主要介绍pandas中的两种数据结构：series,dataframe。

import pandas as pd

1.Series

首先来介绍series数据结构。

series 类似于一维数组的对象。对于series基本要掌握的是：

构建series

获取series中的数据与索引

预览数据

通过索引获取数据

Series的运算

name属性

1.1 构建Series

• 通过list构建Series

向pd.Series()中传入一个list。就等于将这个list转换成了Series数据格式了。

可以通过打印数据类型来检查，显示的是Series

ser_obj = pd.Series(range(10, 20))print type(ser_obj) <class 'pandas.core.series.Series'>

• 通过字典dict构建Series

dict中每个key其实是索引，对应的value是值。所有的值的数据类型需一致。

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5} ser_obj2 = pd.Series(year_data) print ser_obj2.head() 2001 17.8 2002 20.1 2003 16.5 dtype: float64

1.2 获取数据与索引

对于Series， 使用.values方法就能获取它的值；使用.index方法就能获取它的索引。

下面这个例子获取的索引并没有直接逐个打印出来，而是打印了一个RangeIndex，里面的参数表示起始数（包括），结尾数（不包括），步长为1。

# 获取数据 print ser_obj.values# 获取索引 print ser_obj.index [10 11 12 13 14 15 16 17 18 19] RangeIndex(start=0, stop=10, step=1)

1.3 预览数据

如果数据量太大，但又想看看数据的格式，那么可以提取前几条数据来瞧一瞧。

直接使用.head()，如果里面不传入参数，那么默认提取前5条数据；括号里也可以出传入参数来指定提取前面n条。

# 预览数据 print ser_obj.head(3) 0 10 1 11 2 12 dtype: int64

1.4 获取数据

可以通过索引获取Series中对应位置的value。索引放在中括号[]中。

#通过索引获取数据 print ser_obj[0] print ser_obj[8] 10 18

1.5 运算

对1个Series 进行加减乘数的运算时，表示对Series中的每个元素都做一次运算，然后输出相同长度的Series。

# 索引与数据的对应关系仍保持在数组运算的结果中 print ser_obj * 3 0 30 1 33 2 36 3 39 4 42 5 45 6 48 7 51 8 54 9 57 dtype: int64

除了普通的加减乘除等运算，还可以进行布尔运算，如下，会将所有大于15的值输出成True， 小于15的值输出成False。

print ser_obj > 15 0 False 1 False 2 False 3 False 4 False 5 False 6 True 7 True 8 True 9 True dtype: bool

1.6 name属性

可以对Series中的Index和Values添加自定义的名字。

# name属性 ser_obj2.name = 'score' ser_obj2.index.name = 'year' print ser_obj2.head() year 2001 17.8 2002 20.1 2003 16.5 Name: score, dtype: float64

2.DataFrame

DataFrame类似于多维数组或表格数据，与excel类似。

每列数据可以是不同的类型，但是同一列的数据需保持一致数据类型。

DataFrame的索引包括行索引与列索引。

掌握DataFrame的基本使用，需要熟悉以下几个要点。

构建DataFrame的两种方法：ndarray构建，dict构建

通过索引获取数据

增加与删除数据

import numpy as np

•  

2.1 构建DataFrame

• 通过ndarray构建DataFram

# 首先创建一个ndarray （大小是5*4） array = np.random.randn(5,4) print array# 将ndarray传入pd.DataFrame()中，即得到了一个DataFrame df_obj = pd.DataFrame(array) print df_obj.head() [[-1.15943918 0.41562598 0.24219151 -0.54127251][-0.72949761 0.7299977 -0.35770911 -1.55597979][-0.26508669 0.73079105 0.019037 -0.28775191][ 2.35757276 0.54826604 -1.10932131 0.36925581][ 0.60940029 0.11843865 -0.30061918 0.44980428]]0 1 2 3 0 -1.159439 0.415626 0.242192 -0.541273 1 -0.729498 0.729998 -0.357709 -1.555980 2 -0.265087 0.730791 0.019037 -0.287752 3 2.357573 0.548266 -1.109321 0.369256 4 0.609400 0.118439 -0.300619 0.449804

上面构建好的DataFrame可见左边有一列是行索引，上面有一行是列索引。如果没有特殊指定，系统会默认生成行索引与列索引的。

• 通过dict构建DataFrame

还记得通过字典构建series时，Key是作为索引的；在DataFrame中，Key是作为列索引（列名）。

讲dict传给pd.DataFrame()中即构成了一个DataFrame

dict_data = {'A': 1., 'B': pd.Timestamp('20161223'),'C': pd.Series(1, index=list(range(4)),dtype='float32'),'D': np.array([3] * 4,dtype='int32'),'E' : pd.Categorical(["Python","Java","C++","C#"]),'F' : 'wangxiaocao' } #print dict_data df_obj2 = pd.DataFrame(dict_data) print df_obj2.head() A B C D E F 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 3 1.0 2016-12-23 1.0 3 C# wangxiaocao

2.2 通过索引获取数据

这里先简单介绍一下通过列索引来获取数据。

通过列索引获取的数据顾名思义就是获取处该索引的一整列。着一整列的数据其实就是Series的数据格式。

所以DataFrame可以看成是由一列一列的series组成的。

有两种方式：
1. df_obj2[‘F’]
2. df_obj2.F

# 方式1 print df_obj2['F'] print type(df_obj2['F'])# 方式2 print df_obj2.F 0 wangxiaocao 1 wangxiaocao 2 wangxiaocao 3 wangxiaocao Name: F, dtype: object <class 'pandas.core.series.Series'> 0 wangxiaocao 1 wangxiaocao 2 wangxiaocao 3 wangxiaocao Name: F, dtype: object

2.3 增加与删除列

# 增加列 df_obj2['G'] = df_obj2['D'] + 4 print df_obj2.head() A B C D E F G 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 7 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 7 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 7 3 1.0 2016-12-23 1.0 3 C# wangxiaocao 7 # 删除列 del df_obj2['G'] print df_obj2.head() A B C D E F 0 1.0 2016-12-23 1.0 3 Python wangxiaocao 1 1.0 2016-12-23 1.0 3 Java wangxiaocao 2 1.0 2016-12-23 1.0 3 C++ wangxiaocao 3 1.0 2016-12-23 1.0 3 C# wangxiaocao

3.索引对象 Index

pandas的两种数据格式都与索引息息相关，这里罗列一下索引的相关知识。

首先要明确索引的特性：不可变！索引

# 索引对象不可变 df_obj2.index[0] = 2 ---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-17-7f40a356d7d1> in <module>()1 # 索引对象不可变 ----> 2 df_obj2.index[0] = 2/home/cc/anaconda2/lib/python2.7/site-packages/pandas/indexes/base.pyc in __setitem__(self, key, value)1243 1244 def __setitem__(self, key, value): -> 1245 raise TypeError("Index does not support mutable operations")1246 1247 def __getitem__(self, key):TypeError: Index does not support mutable operations

常见的Index种类有：

Index

Int64Index

MultiIndex:层级索引

DatetimeINdex：时间戳类型的索引

print type(ser_obj.index) print type(df_obj2.index)print df_obj2.index <class 'pandas.indexes.range.RangeIndex'> <class 'pandas.indexes.numeric.Int64Index'> Int64Index([0, 1, 2, 3], dtype='int64')

---

注：部分例子来自于小象学院Robin课程

总结

以上是生活随笔为你收集整理的01Pandas_数据结构的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。