Pandas數據結構

做python數據分析，數據挖掘，機器學習的童鞋應該都離不開pandas。在做數據的預處理的時候pandas尤為給力。

本文主要介紹pandas中的兩種數據結構：series,dataframe。

import pandas as pd

1.Series

首先來介紹series數據結構。

series 類似于一維數組的對象。對于series基本要掌握的是：

構建series

獲取series中的數據與索引

預覽數據

通過索引獲取數據

Series的運算

name屬性

1.1 構建Series

• 通過list構建Series

向pd.Series()中傳入一個list。就等于將這個list轉換成了Series數據格式了。

可以通過打印數據類型來檢查，顯示的是Series

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

• 通過字典dict構建Series

dict中每個key其實是索引，對應的value是值。所有的值的數據類型需一致。

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 獲取數據與索引

對于Series， 使用.values方法就能獲取它的值；使用.index方法就能獲取它的索引。

下面這個例子獲取的索引并沒有直接逐個打印出來，而是打印了一個RangeIndex，里面的參數表示起始數（包括），結尾數（不包括），步長為1。

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

1.3 預覽數據

如果數據量太大，但又想看看數據的格式，那么可以提取前幾條數據來瞧一瞧。

直接使用.head()，如果里面不傳入參數，那么默認提取前5條數據；括號里也可以出傳入參數來指定提取前面n條。

# 預覽數據 print ser_obj.head(3) 0 10 1 11 2 12 dtype: int64

1.4 獲取數據

可以通過索引獲取Series中對應位置的value。索引放在中括號[]中。

#通過索引獲取數據 print ser_obj[0] print ser_obj[8] 10 18

1.5 運算

對1個Series 進行加減乘數的運算時，表示對Series中的每個元素都做一次運算，然后輸出相同長度的Series。

# 索引與數據的對應關系仍保持在數組運算的結果中 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

除了普通的加減乘除等運算，還可以進行布爾運算，如下，會將所有大于15的值輸出成True， 小于15的值輸出成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屬性

可以對Series中的Index和Values添加自定義的名字。

# name屬性 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類似于多維數組或表格數據，與excel類似。

每列數據可以是不同的類型，但是同一列的數據需保持一致數據類型。

DataFrame的索引包括行索引與列索引。

掌握DataFrame的基本使用，需要熟悉以下幾個要點。

構建DataFrame的兩種方法：ndarray構建，dict構建

通過索引獲取數據

增加與刪除數據

import numpy as np

• ?

2.1 構建DataFrame

• 通過ndarray構建DataFram

# 首先創建一個ndarray （大小是5*4） array = np.random.randn(5,4) print array# 將ndarray傳入pd.DataFrame()中，即得到了一個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

上面構建好的DataFrame可見左邊有一列是行索引，上面有一行是列索引。如果沒有特殊指定，系統會默認生成行索引與列索引的。

• 通過dict構建DataFrame

還記得通過字典構建series時，Key是作為索引的；在DataFrame中，Key是作為列索引（列名）。

講dict傳給pd.DataFrame()中即構成了一個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 通過索引獲取數據

這里先簡單介紹一下通過列索引來獲取數據。

通過列索引獲取的數據顧名思義就是獲取處該索引的一整列。著一整列的數據其實就是Series的數據格式。

所以DataFrame可以看成是由一列一列的series組成的。

有兩種方式：
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 增加與刪除列

# 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 # 刪除列 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.索引對象 Index

pandas的兩種數據格式都與索引息息相關，這里羅列一下索引的相關知識。

首先要明確索引的特性：不可變！索引

# 索引對象不可變 df_obj2.index[0] = 2 ---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-17-7f40a356d7d1> in <module>()1 # 索引對象不可變 ----> 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

常見的Index種類有：

Index

Int64Index

MultiIndex:層級索引

DatetimeINdex：時間戳類型的索引

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：部分例子來自于小象學院Robin課程

總結

以上是生活随笔為你收集整理的01Pandas_数据结构的全部內容，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。