pandas的数据结构

Pandas的数据结构

import pandas as pd

Pandas有两个最主要也是最重要的数据结构：Series和DataFrame

Series

Series是一种类似于一维数组的对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。

• 类似于一维数组的对象
• 由数据和索引组成
• • 索引（index）在左，数据（values）在右
• • 索引是自动创建的

1. 通过list构建Series

ser_obj = pd.Series(range(10))

示例代码：

# 通过list构建Seriesser_obj = pd.Series(range(10, 20))print(ser_obj.head(3))print(ser_obj)print(type(ser_obj))

运行结果

0    101    112    12dtype: int640    101    112    123    134    145    156    167    178    189    19dtype: int64

2. 获取数据和索引

ser_obj.index 和 ser_obj.values

示例代码：

# 获取数据print(ser_obj.values)# 获取索引print(ser_obj.index)

运行结果：

[10 11 12 13 14 15 16 17 18 19]RangeIndex(start=0, stop=10, step=1)

3. 通过索引获取数据

ser_obj[idx]

实例代码：

# 通过索引获取数据print(ser_obj[0])print(ser_obj[8])

运行结果：

1018

4. 索引与数据的对应关系不被运算结果影响

示例代码：

# 索引与数据的对应关系不被运算结果影响print(ser_obj * 2)print(ser_obj > 15)

运行结果：

0    201    222    243    264    285    306    327    348    369    38dtype: int640    False1    False2    False3    False4    False5    False6     True7     True8     True9     Truedtype: bool

5. 通过dict构建Series

示例代码：

year_data = {2001: 17.8, 2002: 20.1, 2003: 16.3}Ser_obj2 = pd.Series(year_data)print(ser_obj2.head())print(ser_obj2.index)

运行结果：

2001    17.82002    20.12003    16.5dtype: float64Int64Index([2001, 2002, 2003], dtype='int64')

name属性

对象名：ser_obj.name

对象索引名：ser_obj.index.name

示例代码：

# name属性ser_obj2.name = 'temp'ser_obj2.index.name = 'year'print(ser_obj2.head())

运行结果：

year2001    17.82002    20.12003    16.5Name: temp, dtype: float64

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看作是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。

• 类似多维数组/表格数据（如，excel, R中的data.frame）
• 每列数据可以是不同的类型
• 索引包括列索引和行索引

1. 通过ndarray构建DataFrame

示例代码：

import numpy as np# 通过ndarray构建DataFramearray = np.random.randn(5, 4)print(array)df_obj = pd.DataFrame(array)print(df_obj.head())

运行结果：

[[ 0.83500594 -1.49290138 -0.53120106 -0.11313932] [ 0.64629762 -0.36779941  0.08011084  0.60080495] [-1.23458522  0.33409674 -0.58778195 -0.73610573] [-1.47651414  0.99400187  0.21001995 -0.90515656] [ 0.56669419  1.38238348 -0.49099007  1.94484598]]          0         1         2         30  0.835006 -1.492901 -0.531201 -0.1131391  0.646298 -0.367799  0.080111  0.6008052 -1.234585  0.334097 -0.587782 -0.7361063 -1.476514  0.994002  0.210020 -0.9051574  0.566694  1.382383 -0.490990  1.944846

2. 通过dict构建DataFrame

示例代码：

# 通过dict构建DataFramedict_data = {'A': 1,           'B': pd.Timestamp('20170426'),           'C': pd.Series(1, index = list(range(4)), dtype = 'float32'),           'D': np.array([3] * 4, dtype = 'int32'),           'E': ["Python", "Java", "C++", "C"],           'F': 'ITCast' }#print dict_datadf_obj2 = pd.DataFrame(dict_data)print(df_obj2)

运行结果：

   A          B    C  D       E       F0  1 2017-04-26  1.0  3  Python  ITCast1  1 2017-04-26  1.0  3    Java  ITCast2  1 2017-04-26  1.0  3     C++  ITCast3  1 2017-04-26  1.0  3       C  ITCast

3. 通过列索引获取列数据（Series类型）

df_obj[col_idx]或df_obj.col_idx

示例代码：

print(df_obj2['A'])print(type(df_obj2['A']))print(df_obj2.A)

运行结果：

0    1.01    1.02    1.03    1.0Name: A, dtype: float640    1.01    1.02    1.03    1.0Name: A, dtype: float64

4. 增加列数据

df_obj[new_col_idx] = data

类似Python的dict添加key-value

示例代码：

df_obj2['G'] = df_obj2['D'] + 4print(df_obj2.head())

运行结果：

     A          B    C  D       E       F  G0  1.0 2017-01-02  1.0  3  Python  ITCast  71  1.0 2017-01-02  1.0  3    Java  ITCast  72  1.0 2017-01-02  1.0  3     C++  ITCast  73  1.0 2017-01-02  1.0  3       C  ITCast  7

5. 删除列

del df_obj[col_idx]

示例代码：

del(df_obj2['G'])print(df_obj2.head())

运行结果：

     A          B    C  D       E       F0  1.0 2017-01-02  1.0  3  Python  ITCast1  1.0 2017-01-02  1.0  3    Java  ITCast2  1.0 2017-01-02  1.0  3     C++  ITCast3  1.0 2017-01-02  1.0  3       C  ITCast