【原】Python數(shù)據(jù)分析之pandas基本數(shù)據(jù)結(jié)構(gòu)

ml_Py 2021-12-08

展開全文

重磅干貨，第一時(shí)間送達(dá)

Python數(shù)據(jù)分析之numpy數(shù)組全解析

Python數(shù)據(jù)分析之Pandas讀寫外部數(shù)據(jù)文件

1引言

本文總結(jié)Pandas中兩種常用的數(shù)據(jù)類型：

（1）Series是一種一維的帶標(biāo)簽數(shù)組對(duì)象。

（2）DataFrame，二維，Series容器

2 Series數(shù)組

2.1 Series數(shù)組構(gòu)成

Series數(shù)組對(duì)象由兩部分構(gòu)成：

值（value）：一維數(shù)組的各元素值，是一個(gè)ndarray類型數(shù)據(jù)。索引（index）：與一維數(shù)組值一一對(duì)應(yīng)的標(biāo)簽。利用索引，我們可非常方便得在Series數(shù)組中進(jìn)行取值。如下所示，我們通過字典創(chuàng)建了一個(gè)Series數(shù)組，輸出結(jié)果的第一列就是索引，第二列就是數(shù)組的具體值。

>>> import pandas as pd>>> a =pd.Series([102, 212, 332, 434])>>> a0 1021 2122 3323 434dtype: int64

也可以在創(chuàng)建時(shí)手動(dòng)指定索引：

>>> a = pd.Series([102, 212, 332, 434], index=['第一列', '第二列', '第三列', '第四列'])>>> a第一列 102第二列 212第三列 332第四列 434dtype: int64

利用索引，我們可以更加方便得在數(shù)組中進(jìn)行取值：

>>> a['第一列']102>>> a[['第一列', '第二列']]第一列 102第二列 212dtype: int64

當(dāng)然，你也可以使用以往的數(shù)字下標(biāo)從數(shù)組中取值：

>>> a[0]102>>> a[[0,1]]第一列 102第二列 212dtype: int64

2.2 創(chuàng)建Series數(shù)組

（1）通過list、tuple創(chuàng)建

>>> pd.Series([123, 321, 345,543]) # 傳入一個(gè)list0 1231 3212 3453 543dtype: int64>>> pd.Series((123, 321, 345,543)) # 傳入一個(gè)元組0 1231 3212 3453 543dtype: int64

（2）通過傳入一維numpy數(shù)組對(duì)象創(chuàng)建

>>> import numpy as np>>> n = np.arange(3) # 創(chuàng)建一個(gè)一維的numpy數(shù)組>>> pd.Series(n)0 01 12 2dtype: int32

注意：傳入的numpy必須是一維的數(shù)組，否則會(huì)報(bào)錯(cuò)。

>>> n = np.arange(6).reshape((2,3))>>> pd.Series(n)Traceback (most recent call last):File "<stdin>", line 1, in <module>……packages\pandas\core\internals\construction.py", line 729, in sanitize_arrayraise Exception("Data must be 1-dimensional")Exception: Data must be 1-dimensional

（3）通過傳入字典創(chuàng)建

通過字典創(chuàng)建Series數(shù)組時(shí)，字典的key會(huì)自動(dòng)被設(shè)置成Series數(shù)組的索引：

>>> pd.Series({'name':'張三', 'age':40, 'weight':140})name 張三age 40weight 140dtype: object

（4）通過傳入一個(gè)標(biāo)量值創(chuàng)建

當(dāng)傳入一個(gè)標(biāo)量值時(shí)，必須傳入index索引，Series會(huì)根據(jù)傳入的index參數(shù)來確定數(shù)組對(duì)象的長(zhǎng)度：

>>> a = pd.Series(10, index=['a', 'b', 'c', 'd'])>>> aa 10b 10c 10d 10dtype: int64

2.3 Series數(shù)組常用屬性

Series數(shù)組的屬性與numpy數(shù)組屬性很是類似，如下表所示：

3 DataFrame數(shù)組

3.1 DataFrame數(shù)組構(gòu)成

DataFrame數(shù)組是Pandas中另一種數(shù)據(jù)結(jié)構(gòu)，其數(shù)據(jù)的呈現(xiàn)方式類似于Excel這種二維表結(jié)構(gòu)。相比于Series數(shù)組，DataFrame可以存放多維數(shù)據(jù)，所以DataFrame不僅僅有索引，還有列名，如下所示：

>>> d = {'one': [1, 2, 3, 4], 'two':['一', '二', '三', '四']}>>> pd.DataFrame(d)one two0 1 一1 2 二2 3 三3 4 四>>> df.indexRangeIndex(start=0, stop=4, step=1)>>> df.columnsIndex(['one', 'two'], dtype='object')

可以看到，DataFrame數(shù)組可以包含多維數(shù)據(jù)，類似于一張二維表。與Series類似，DataFrame數(shù)組也有一個(gè)index索引，在不指定索引時(shí)，通常會(huì)自動(dòng)生成從零開始步長(zhǎng)為1的索引。此外DataFrame數(shù)組還有一個(gè)列名，索引和列名是從數(shù)組中挑選數(shù)據(jù)的重要依據(jù)。

3.2 創(chuàng)建DataFrame數(shù)組

（1）通過字典創(chuàng)建

通過字典來創(chuàng)建DataFrame數(shù)組時(shí)，字典的鍵將會(huì)自動(dòng)成DataFrame數(shù)組的列名，字典的值必須是可迭代對(duì)象，例如Series、numpy數(shù)組、list、tuple等，不同Series數(shù)組中對(duì)應(yīng)的缺失值pandas將自動(dòng)填充NaN：

以list列表為值的字典：

>>> d = {'one': [1, 2, 3, 4], 'two':['一', '二', '三', '四']}>>> pd.DataFrame(d)one two0 1 一1 2 二2 3 三3 4 四

以numpy數(shù)組為值得字典：

>>> d = {'zero': np.zeros((3,)), 'ones': np.ones((3,)), 'twos':np.full((3,),2)}>>> pd.DataFrame(d)zero ones twos0 0.0 1.0 21 0.0 1.0 22 0.0 1.0 2

以Series為值的字典：

>>> d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}

>>> df = pd.DataFrame(d) # 創(chuàng)建DataFrame數(shù)組>>> dfone twoa 1.0 1.0b 2.0 2.0c 3.0 3.0d NaN 4.0

無論是上面那種類型對(duì)象為值的字典，都可以通過下面的方式重新指定列索引：

>>> pd.DataFrame(d, index=['d', 'b', 'a'])one twod NaN 4.0b 2.0 2.0a 1.0 1.0

當(dāng)然，也可以在手動(dòng)指定列名，不過行索引對(duì)應(yīng)的鍵數(shù)據(jù)才會(huì)傳入新建的數(shù)組中：

>>> pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three'])two threed 4.0 NaNb 2.0 NaNa 1.0 NaN

（2）通過列表創(chuàng)建

通過列表創(chuàng)建DataFrame數(shù)組時(shí)，列表的每一個(gè)元素必須是字典，這樣，字典的鍵將作為列名。

>>> d = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]>>> pd.DataFrame(d)a b c0 1 2 NaN1 5 10 20.0>>> pd.DataFrame(d, index=['第一行', '第二行']) # 重新指定索引a b c第一行 1 2 NaN第二行 5 10 20.0

（3）通過功能函數(shù)創(chuàng)建

我們還可以通過諸如from_dict()、from_records()這類的功能函數(shù)來創(chuàng)建DataFrame數(shù)組，以from_dict()為例：

>>> d = {'A': [1, 2, 3], 'B': [4, 5, 6]}>>> pd.DataFrame.from_dict(d)A B0 1 41 2 52 3 6

如果需要讓字典的鍵作為索引，重新指定列名，可以傳入orient='index'參數(shù)，然后重新傳入列名：

>>> pd.DataFrame.from_dict(d,orient='index', columns=['one', 'two', 'three'])one two threeA 1 2 3B 4 5 6