Pandas數據結構詳細說明及如何創建Series，DataFrame對象方法

Posted on by

在網絡上的Pandas教程中，很多都提到瞭如何使用Pandas將已有的數據（如csv，如hdfs等）直接加載成Pandas數據對象，然後在其基礎上進行數據分析操作，但是，很多時候，我們需要自己創建Pandas數據對象，並填入一些數據，常見的應用場景如：我們想要將現有的數據進行處理，並生成一個新的Pandas數據對象，還有，我們想利用Pandas的數據保存功能（比如to_csv, to_json, to_hdf等等）把我們采集到的數據寫入到IO裡邊，因此掌握Pandas對象的特性，以及如何創建也是很重要的。

有些時候我們需要利用pandas數據結構創建自己的對象，按自己的方式保存新數據，我們將在本文中介紹如何實現。

1. Pandas的兩種數據類型

Pandas支持兩種數據類型，分別為Series和DataFrame，其中：

Series – 是一個帶有標簽的一維數組，支持多種不同的類型，但是針對同一個Series裡邊存儲的數據類型必須是一致的
DataFrame – 是一個帶有標簽的二維數組，是一個尺寸可以修改的表格，一個DataFrame由多個Series組成，每一列都是一個Series
一句話描述的話就是，Series是很多標量數據（Scalar）的集合，而DataFrame是很多Series的集合。

我們來看下圖這個例子，在1D的Series中，下圖中有三個Series，分別保存瞭姓名(name)， 年齡(age)和得分(marks)，而他們的每一行都分別對應一個不同的人的信息，在每一個Series中的每一個單元格中（比如name series的第1行，對應的Prasadi）都是一個標量（Scalar），而每一行前邊的0，1，2，3這些就是數據的索引（index），也可以叫做標簽，所以說，Series是帶有標簽的一維數組。

可以看出，利用Series隻能存儲一種類型的數據，比如說name series存儲的數據是字符串類型，而age series存儲的數據是整數型。如果我們想把name，age，marks存儲在一個數據結構裡，我們就需要使用DataFrame，從圖中看出，DataFrame類似於一個表格數據，有行有列，行跟Series的行一致，是數據的標簽，而每一列就是原來的每一個Series。

2. Series類型

如我們在前文中所說，Series結構中可以存儲任何類型的數據，包括：整型，字符串類型，浮點型，甚至是Python對象等等，但是要求是，每一行的數據類型必須統一。那麼如何創建一個Series對象呢，

通過numpy array

Pandas的一個主要用途是數據分析，而它也是基於Numpy實現的，因此，通過numpy array來創建Series是非常常見的。

np_array = np.random.randn(5)
pd.Series(np_array, index=['a', 'b', 'c', 'd', 'e'])

上邊這段代碼，利用np.random.randn隨機生成一個長度為5的numpy array，然後pd.Series使用這個numpy array來創建一個Series，在創建的同時，指定瞭每一行的index（標簽）分別是a，b，c，d，e，f，輸出結果為：

通過Python字典

通過上邊這個示例，大傢有沒有發現Series跟Python內置的dict類型是不是很類似，標簽相當於dict中的key，而數據內容相當於dict中的value，它們有一一對應的關系，因此，可以想象，我們能夠直接通過Python的dict來創建一個Series。

d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)

上邊這段代碼，我們先創建瞭一個Python地點d，然後將這個字典傳遞給pd.Series來創建一個Pandas Series，運行結果為：

通過標量值（Scalar）

除瞭上邊這兩種方式，我們還可以通過一個簡單的標量值來創建Series，特別註意的是跟上邊兩種方式不同，在使用這種方式創建Series的時候，我們必須指定index

pd.Series(5, index=['a', 'b', 'c', 'd', 'e'])

如上邊代碼所示，我們使用一個常量5，然後指定index為a，b，c，d，e，同樣使用pd.Series可以創建一個Series對象，看到這裡我們就能夠明白為什麼必須指定Index瞭吧，那是因為Series對象是有長度的，長度是可以大於1的，而標量的長度固定為1，我們可以通過指定Index的方式來控制生成的Series的長度，Series中的值則是重復使用這一個標量常量5。其運行結果為：

name屬性

當我們創建一個Series的時候，我們可以指定一個名稱，這個名稱會被存儲到Series的name屬性中，後續我們還可以使用rename方法來修改這個屬性，例如下邊這樣的代碼：

s = pd.Series(np.random.randn(5), name='this_is_name')
s

創建瞭一個名稱為this_is_name的Series，然後我們使用rename方法來重命名這個Series為this_is_new_name：

s = s.rename('this_is_new_name')
s

上邊這兩部分代碼的輸入如下圖：

那麼這個名稱有什麼作用呢，這裡預告一下，我們將在DataFrame中用到（別忘瞭DataFrame是多個Series的集合）

3. DataFrame類型

在第一節中我們介紹到，DataFrame是一個二維的表格數據結構，它有行和列的概念，跟行標簽相對應的，為瞭能夠按列索引數據，每一列都可以有一個名稱，即列名，我們剛在Series章節中看到，Series可以表示一列數據，我們在本節中介紹的DataFrame就是多個這樣的Series的組合，每一列就對應一個Series，而每一行也對應一個Series。讀到這裡，你是不是能夠猜的出我們剛說的Series的name屬性的用途瞭，對瞭，使用Series創建DataFrame的列的時候，Series的名稱就會成為列名，如果Series作為行，則Series的名稱會成為行名。

接下來我們來講解如何創建DataFrame

通過一維numpy array或者Python List 組成的字典
大傢可以想想，如果一個字典的value是array或者list的時候，那麼這個字典其實就是一種表格結構，圖為DataFrame是一個表格結構的數據類型，我們是可以通過這樣的字典來創建DataFrame，例如下邊這段代碼

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

我們把d這個Python字典傳遞給pd.DataFrame來創建新的DataFrame，同時我們可以通過指定index來指定DataFrame的行名（標簽），上邊代碼的輸出為

通過包含列表的Python List

我們再來想想一下，除瞭字典之外可以表示表格數據，還有沒有其他的方法，是的，還有Python List，例如下邊這段代碼

data = [(1, 2., 'Hello'), (2, 3., "World")]
pd.DataFrame(data)

我們可以用data這樣的Python List來表示表格數據，不同於前邊提到的字典（dict），用List表示的表格數據其實是沒有行名和列名的，因此Pandas默認會自動生成行名和列名，所以上邊的代碼輸出為：

當然，自動生成的行名列名沒有任何意義，為瞭更好的操作數據，我們還可以通過設置pd.DataFrame方法的index或者columns參數來指定自己的行名或者列名。

通過包含Python 字典的Python List

我們繼續想想，還有什麼能夠表示表格數據？對瞭，包含Python字典的Python List也是可以表達表格數據的，例如下邊的代碼

data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
pd.DataFrame(data)

data是一個Python List，而列表中的每一個元素都是一個字典，運行結果為：

類似的，我們也可以通過指定index或者columns參數來修改行名和列名

通過Series

我們一直在提DataFrame是很多Series的集合（註：Series在DataFrame中可以是一行，也可以是一列），因此，我們也可以通過Series來創建DataFrame，例如下邊這段代碼

s1 = pd.Series(np.random.randn(5), name='this_is_name')
df = pd.DataFrame(s1)
df

利用s1這個Series來創建隻有一列的DataFrame，輸出結果為：

還記得不，我們前邊提到瞭Series的name屬性，在使用Series創建DataFrame的時候，這個屬性會用來作為列名（或者行名，我們在下邊的列子可以看得出），例如下邊的這段代碼，如果有兩個Series，我們還可以用下邊這樣的方式創建DataFrame

s1 = pd.Series(np.random.randn(5), name='this_is_name')
s2 = s.rename('this_is_new_name')
df = pd.DataFrame([s1, s2])
df

這裡我們使用瞭兩個名分別為this_is_name和this_is_new_name的Series來創建DataFrame，得到的結果為：

到這裡，相信讀者已經對Pandas提供的數據類型有瞭一個全面的認識瞭，並且有能力自己創建Pandas數據結構，並存儲自己的數據瞭，一個常見的應用場景就是我們通過爬蟲獲取到數據以後，可以將這些非結構化的數據以Pandas的表格格式保存，值得註意的是數據存儲在Pandas數據結構中的時候，數據其實是在內存中的，當程序被關閉以後，數據就丟失瞭，如果我們需要將數據持久化保存到硬盤或者數據庫中的話，則可以通過簡單的調用Pandas提供的to_csv, to_json, to_hdf等等接口將數據永久保存下來。

更多Python Pandas庫的相關文章，請點擊下面的相關文章

推薦閱讀：