numPy

pandas的數據結構介紹

簡介

Pandas [1] 是python的一個數據分析包，最初由AQR Capital Management于2008年4月開發，并于2009年底開源出來，目前由專注于Python數據包開發的PyData開發team繼續開發和維護，屬于PyData項目的一部分。Pandas最初被作為金融數據分析工具而開發出來，因此，pandas為時間序列分析提供了很好的支持。 Pandas的名稱來自于面板數據(panel data)和python數據分析(data analysis)。panel data是經濟學中關于多維數據集的一個術語，在Pandas中也提供了panel的數據類型。

數據結構

Series：一維數組，與Numpy中的一維array類似。二者與Python基本的數據結構List也很相近，其區別是：List中的元素可以是不同的數據類型，而Array和Series中則只允許存儲相同的數據類型，這樣可以更有效的使用內存，提高運算效率。

Time- Series：以時間為索引的Series。

DataFrame：二維的表格型數據結構。很多功能與R中的data.frame類似?？梢詫ataFrame理解為Series的容器。以下的內容主要以DataFrame為主。

Panel ：三維的數組，可以理解為DataFrame的容器。

終端輸入

Jupyter Notebook

導入相關模塊

import numpy as np

import pandas as pd

from pandas import Series, DataFrame

Series

Series是一種類似于一維數組的對象，它由一組數據(各種NumPy數據類型)以及一組與之相關的數據標簽(即索引)組成。

實質上是創建了一個 Series 對象，這也就說明了為什么會有index和values.

Series自定義索引

Series自定義索引的另一種方法

在這里就引入另一個概念“自動對齊”。自定義的索引會自動去尋找原來的索引，如果一樣的，就取出原來索引對應的值。

在 Pandas 中，如果沒有值，都對齊賦給 NaN。

當然上面的代碼也可以寫成這樣

Series判斷值是否為空

DataFrame

一個Datarame表示一個表格，類似電子表格的數據結構，包含一個經過排序的列表集，它們沒一個都可以有不同的類型值(數字，字符串，布爾等等)。Datarame有行和列的索引；它可以被看作是一個Series的字典(每個Series共享一個索引)。

構建DataFrame最常用的方法——直接傳入一個由等長列表或NumPy數組組成的字典

如果指定了列序列，則DataFrame的列就會按照指定的順序進行排列

如果傳入的列在數據中找不到，就會產生NAN值

通過行、列進行獲取

通過類似字典標記的方式或屬性的方式，可以將DataFream的列獲取為一個Series:

同理行也可以通過位置或名稱的方式進行獲取

基本功能

重新索引

Series的reindex將會根據新索引進行,如果某個索引值當前不存在，就引入缺失值

reindex的method選項

ffill或pad 向前填充值

bfill或backfill 向后填充值

對于DataFrame，reindex可以修改行、列或者兩個都可以修改。如果僅傳入一個序列，則會重新索引行

reindex函數的參數

參數

說明

index

用作索引的新序列。既可以是index實例，也可以是其他序列型python數據結構

method

插值方式

fill_value

在重新索引過程中，需要引入缺失值時使用的代替值

limit

前向或后向填充時的最大填充量

level

在Multilndex的指定級別上匹配簡單索引，否則選取其子集

copy

默認為true,無論如何都復制；如果為false，則新舊相等就不復制

索引、選取和過濾

類型

說明

obj[val]

選取DataFrame的單個列或一組列。在一些特殊的情況下會比較便利：布爾型數組(過濾行)

obj.ix[val]

選取DataFrame的單個行或一組行

obj.ix[:,val]

選取單個列或列子集

obj.ix[val1,val2]

同時選取行和列

reindex方法

將一個或多個軸匹配到新索引

xs方法

根據標簽選取單行或單列，并返回一個Series

icol、irow方法

根據整數位置選取單行或單列，并返回一個Series

get_value、set_value方法

根據行標簽或列標簽選取單個值

總結

以上是生活随笔為你收集整理的python数据包pandas_python_pandas学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。