Python Pandas學習之Pandas數據結構詳解

1 Pandas介紹

2008年WesMcKinney開發出的庫

專門用於數據挖掘的開源python庫

以Numpy為基礎,借力Numpy模塊在計算方面性能高的優勢

基於matplotlib,能夠簡便的畫圖

獨特的數據結構

Numpy已經能夠幫助我們處理數據,能夠結合matplotlib解決部分數據展示等問題,那麼pandas學習的目的在什麼地方呢?

  • 增強圖表可讀性
  • 便捷的數據處理能力
  • 讀取文件方便
  • 封裝瞭Matplotlib、Numpy的畫圖和計算

2 Pandas數據結構

Pandas中一共有三種數據結構,分別為:Series、DataFrame和MultiIndex(老版本中叫Panel )。

其中Series是一維數據結構,DataFrame是二維的表格型數據結構,MultiIndex是三維的數據結構。

2.1 Series

Series是一個類似於一維數組的數據結構,它能夠保存任何類型的數據,比如整數、字符串、浮點數等,主要由一組數據和與之相關的索引兩部分構成。

2.1.1 Series的創建

# 導入pandas
import pandas as pd

pd.Series(data=None, index=None, dtype=None)

參數:

  • data:傳入的數據,可以是ndarray、list等
  • index:索引,必須是唯一的,且與數據的長度相等。如果沒有傳入索引參數,則默認會自動創建一個從0-N的整數索引。
  • dtype:數據的類型

指定索引創建:

pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])

通過字典數據創建

color_count = pd.Series({'red':100, 'blue':200, 'green': 500, 'yellow':1000})
color_count

2.1.2 Series的屬性

為瞭更方便地操作Series對象中的索引和數據,Series中提供瞭兩個屬性index和values

1.index

color_count.index

# 結果
Index(['blue', 'green', 'red', 'yellow'], dtype='object')

2.values

color_count.values

# 結果
array([ 200,  500,  100, 1000])

當然也可以使用索引來獲取數據:

color_count[2]

# 結果
100

2.2 DataFrame

DataFrame是一個類似於二維數組或表格(如excel)的對象,既有行索引,又有列索引。

  • 行索引,表明不同行,橫向索引,叫index,0軸,axis=0
  • 列索引,表名不同列,縱向索引,叫columns,1軸,axis=1

2.2.1 DataFrame的創建

# 導入pandas
import pandas as pd

pd.DataFrame(data=None, index=None, columns=None)

參數:

  • index:行標簽。如果沒有傳入索引參數,則默認會自動創建一個從0-N的整數索引。
  • columns:列標簽。如果沒有傳入索引參數,則默認會自動創建一個從0-N的整數索引。

舉例:創建學生成績表

# 生成10名同學,5門功課的數據
score = np.random.randint(40, 100, (10, 5))

# 結果
array([[46, 93, 49, 70, 53],
       [42, 86, 65, 50, 87],
       [41, 74, 44, 87, 64],
       [62, 57, 45, 46, 86],
       [82, 46, 72, 85, 63],
       [82, 77, 61, 55, 41],
       [48, 41, 48, 52, 58],
       [90, 53, 95, 96, 78],
       [77, 49, 51, 76, 56],
       [79, 91, 75, 95, 66]])

但是這樣的數據形式很難看到存儲的是什麼的樣的數據,可讀性比較差!!

問題:如何讓數據更有意義的顯示?

# 使用Pandas中的數據結構
score_df = pd.DataFrame(score)

增加行、列索引:

# 構造行索引序列
subjects = ["語文", "數學", "英語", "物理", "化學"]

# 構造列索引序列
stu = ['同學' + str(i) for i in range(score.shape[0])]

# 添加行索引
data = pd.DataFrame(score, columns=subjects, index=stu)

2.2.2 DataFrame的屬性

1.shape

data.shape

# 結果
(10, 5)

2.index

DataFrame的行索引列表

data.index

# 結果
Index(['同學0', '同學1', '同學2', '同學3', '同學4', '同學5', '同學6', '同學7', '同學8', '同學9'], dtype='object')

3.columns

DataFrame的列索引列表

data.columns

# 結果
Index(['語文', '數學', '英語', '政治', '體育'], dtype='object')

4.values

直接獲取其中array的值

data.values

array([[46, 93, 49, 70, 53],
       [42, 86, 65, 50, 87],
       [41, 74, 44, 87, 64],
       [62, 57, 45, 46, 86],
       [82, 46, 72, 85, 63],
       [82, 77, 61, 55, 41],
       [48, 41, 48, 52, 58],
       [90, 53, 95, 96, 78],
       [77, 49, 51, 76, 56],
       [79, 91, 75, 95, 66]])

5.T

轉置

data.T

輸出結果:

6.head(5):顯示前5行內容 (很常用)

如果不補充參數,默認5行。填入參數N則顯示前N行

data.head(5)

7.tail(5):顯示後5行內容

如果不補充參數,默認5行。填入參數N則顯示後N行

data.tail(5)

2.2.3 DatatFrame索引的設置

1.修改行列索引值

stu = ["學生_" + str(i) for i in range(score_df.shape[0])]

# 必須整體全部修改
data.index = stu

註意:以下修改方式是錯誤的

# 錯誤修改方式
data.index[3] = '學生_3'  #  錯誤

2.重設索引

reset_index(drop=False)

  • 設置新的下標索引
  • drop:默認為False,不刪除原來索引,如果為True,刪除原來的索引值
# 重置索引,drop=False
data.reset_index()

3.以某列值設置為新的索引

set_index(keys, drop=True)

  • keys : 列索引名成或者列索引名稱的列表
  • drop : boolean, default True.當做新的索引,刪除原來的列
df = pd.DataFrame({'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})
                    
 df = df.set_index(['year', 'month'])

註:通過剛才的設置,這樣DataFrame就變成瞭一個具有MultiIndex的DataFrame。

到此這篇關於Python Pandas學習之Pandas數據結構詳解的文章就介紹到這瞭,更多相關Python Pandas數據結構內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: