Pandas 数据结构
Pandas 中一共有三种数据结构，分别为：Series、DataFrame 和 MultiIndex（老版本中叫 Panel）。
其中 Series 是一维数据结构，DataFrame 是二维的表格型数据结构，MultiIndex 是三维的数据结构。
Series
Series 是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。
Series 的创建
python
# 导入 pandas
import pandas as pd
pd.Series(data=None, index=None, dtype=None)参数：
data：传入的数据，可以是 ndarray、list 等index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从 0-N 的整数索引。dtype：数据的类型
通过已有数据创建
- 指定内容，默认索引
python
ser2 = pd.Series(np.arange(5))
print('ser2:\n', ser2)
# 运行结果
0 0
1 1
2 2
3 3
4 4
dtype: int64指定行索引名
示例代码：
python
ser3 = pd.Series(range(5), index=['a', 'b', 'c', 'd', 'e'])
print(ser3)
# 运行结果：
a 0
b 1
c 2
d 3
e 4
dtype: int64通过字典数据创建
python
ser4 = pd.Series({'red': 100, 'blue': 200, 'green': 500, 'yellow': 1000})
ser4
# 运行结果
blue 200
green 500
red 100
yellow 1000
dtype: int64Series 的属性
为了更方便地操作 Series 对象中的索引和数据，Series 中提供了两个属性 index 和 values
index
pythonprint('ser4.index:\n', ser4.index) # 结果 Index(['blue', 'green', 'red', 'yellow'], dtype='object')values
pythonprint('ser4.values:\n', ser4.values) # 结果 array([ 200, 500, 100, 1000])也可以使用索引来获取数据：
pythonprint('ser4[2]:\n', ser4.iloc[2]) # 结果 100
DataFrame
DataFrame 是一个类似于二维数组或表格（如 excel）的对象，既有行索引，又有列索引
- 行索引，表明不同行，横向索引，叫
index，0轴，axis=0 - 列索引，表名不同列，纵向索引，叫
columns，1轴，axis=1
DataFrame 的创建
python
# 导入 pandas
import pandas as pd
df1 = pd.DataFrame(data=None, index=None, columns=None)
print('df1:\n', df1)参数：
index：行标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。columns：列标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
通过已有数据创建
举例一：
python
import numpy as np
import pandas as pd
df2 = pd.DataFrame(np.random.randn(2, 3))
print(df2)
""" 输出结果
0 1 2
0 1.733204 -0.065923 -2.090919
1 1.775286 -0.154595 0.516878
"""回忆咱们在前面直接使用 np 创建的数组显示方式，比较两者的区别。
举例二：创建学生成绩表
python
# "语文", "数学", "英语", "政治", "体育"
score = [
[92, 55, 78, 50, 50],
[71, 76, 50, 48, 96],
[45, 84, 78, 51, 68],
[81, 91, 56, 54, 76],
[86, 66, 77, 67, 95],
[46, 86, 56, 61, 99],
[46, 95, 44, 46, 56],
[80, 50, 45, 65, 57],
[41, 93, 90, 41, 97],
[65, 83, 57, 57, 40]
]
# 生成 10 名同学，5 门功课的数据
df3 = pd.DataFrame(score)
print('df3:\n', df3)
""" 输出结果
df3:
0 1 2 3 4
0 92 55 78 50 50
1 71 76 50 48 96
2 45 84 78 51 68
3 81 91 56 54 76
4 86 66 77 67 95
5 46 86 56 61 99
6 46 95 44 46 56
7 80 50 45 65 57
8 41 93 90 41 97
9 65 83 57 57 40
"""但是这样的数据形式很难看到存储的是什么的样的数据，可读性比较差！！
问题：如何让数据更有意义的显示？
给分数数据增加行列索引，显示效果更佳
增加行、列索引
python
"""增加行列索引"""
# 构造行索引序列
subjects = ["语文", "数学", "英语", "政治", "体育"]
# 构造列索引序列
stu = ['同学' + str(i) for i in range(len(score))]
# 添加行索引
students = pd.DataFrame(score, columns=subjects, index=stu)
print('students:\n', students)
"""输出结果
students:
语文 数学 英语 政治 体育
同学 0 92 55 78 50 50
同学 1 71 76 50 48 96
同学 2 45 84 78 51 68
同学 3 81 91 56 54 76
同学 4 86 66 77 67 95
同学 5 46 86 56 61 99
同学 6 46 95 44 46 56
同学 7 80 50 45 65 57
同学 8 41 93 90 41 97
同学 9 65 83 57 57 40
"""DataFrame 的属性
shape
pythonprint('students.shape:\t', students.shape) # 结果 students.shape: (10, 5)index
DataFrame 的行索引列表
pythonprint('students.index:\t', students.index) # 结果 students.index: Index(['同学 0', '同学 1', '同学 2', '同学 3', '同学 4', '同学 5', '同学 6', '同学 7', '同学 8', '同学 9'], dtype='object')columns
DataFrame 的列索引列表
pythonprint('students.columns:\t', students.columns) # 结果 students.columns: Index(['语文', '数学', '英语', '政治', '体育'], dtype='object')values
直接获取其中 array 的值
pythonprint('students.values:\n', students.values) # 结果 students.values: [[92 55 78 50 50] [71 76 50 48 96] [45 84 78 51 68] [81 91 56 54 76] [86 66 77 67 95] [46 86 56 61 99] [46 95 44 46 56] [80 50 45 65 57] [41 93 90 41 97] [65 83 57 57 40]]T
转置
pythonprint('students.T\n', students.T) """ 输出结果 students.T: 同学 0 同学 1 同学 2 同学 3 同学 4 同学 5 同学 6 同学 7 同学 8 同学 9 语文 92 71 45 81 86 46 46 80 41 65 数学 55 76 84 91 66 86 95 50 93 83 英语 78 50 78 56 77 56 44 45 90 57 政治 50 48 51 54 67 61 46 65 41 57 体育 50 96 68 76 95 99 56 57 97 40 """head(5)：显示前 5 行内容
如果不补充参数，默认 5 行。填入参数 N 则显示前 N 行
pythonprint('students.head(5):\n', students.head(5)) """ 输出结果 students.head(5): 语文 数学 英语 政治 体育 同学 0 92 55 78 50 50 同学 1 71 76 50 48 96 同学 2 45 84 78 51 68 同学 3 81 91 56 54 76 同学 4 86 66 77 67 95 """tail(5): 显示后 5 行内容
如果不补充参数，默认 5 行。填入参数 N 则显示后 N 行
pythonprint('students.tail(5):\n', students.tail(5)) """ students.tail(5): 语文 数学 英语 政治 体育 同学 5 46 86 56 61 99 同学 6 46 95 44 46 56 同学 7 80 50 45 65 57 同学 8 41 93 90 41 97 同学 9 65 83 57 57 40 """
DataFrame 索引
需求：
修改行列索引值
python
stu = ["学生_" + str(i) for i in range(score_df.shape[0])]
# 必须整体全部修改
data.index = stu注意：以下修改方式是错误的
python
# 错误修改方式
data.index[3] = '学生_3'重设索引
reset_index(drop=False)
- 设置新的下标索引
drop: 默认为 False，不删除原来索引，如果为 True, 删除原来的索引值
python
# 重置索引，drop=False
data.reset_index()
python
# 重置索引，drop=True
data.reset_index(drop=True)以某列值设置为新的索引
set_index(keys, drop=True)
keys: 列索引名成或者列索引名称的列表drop: boolean, default True. 当做新的索引，删除原来的列
设置新索引案例
创建
pythondf = pd.DataFrame({'month': [1, 4, 7, 10], 'year': [2012, 2014, 2013, 2014], 'sale':[55, 40, 84, 31]}) # 输出 month sale year 0 1 55 2012 1 4 40 2014 2 7 84 2013 3 10 31 2014以月份设置新的索引
pythondf.set_index('month') # 输出 sale year month 1 55 2012 4 40 2014 7 84 2013 10 31 2014设置多个索引，以年和月份
pythondf = df.set_index(['year', 'month']) df # 输出 sale year month 2012 1 55 2014 4 40 2013 7 84 2014 10 31
注：通过刚才的设置，这样 DataFrame 就变成了一个具有 MultiIndex 的 DataFrame。
索引对象
Index 索引
Series 和 DataFrame 中的索引都是 Index 对象
示例代码：
pythondf = pd.DataFrame({'month': [1, 4, 7, 10], 'year': [2012, 2014, 2013, 2014], 'sale': [55, 40, 84, 31]}) se = pd.Series(np.arange(10)) df.index, se.index运行结果：
(RangeIndex(start=0, stop=4, step=1), RangeIndex(start=0, stop=10, step=1))索引对象不可变，保证了数据的安全
示例代码：
python# 索引对象不可变 df.index[0] = 2运行结果：
--------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-23-7f40a356d7d1> in <module>() 1 # 索引对象不可变 ----> 2 df_obj2.index[0] = 2 /Users/Power/anaconda/lib/python3.6/site-packages/pandas/indexes/base.py in __setitem__(self, key, value) 1402 1403 def __setitem__(self, key, value): -> 1404 raise TypeError("Index does not support mutable operations") 1405 1406 def __getitem__(self, key): TypeError: Index does not support mutable operations
索引小案例
python
# %%
import pandas as pd
df = pd.DataFrame({
'rank': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'name': ['七星龙渊', '太阿', '干将', '承影', '湛泸', '纯钧', '莫邪', '赤霄', '轩辕夏禹剑', '鱼肠'],
'alias': ['仁道之剑', '勇绝之剑', '圣道之剑', '威道之剑', '尊贵无双之剑', '帝道之剑', '挚情之剑', '挚情之剑',
'精致优雅之剑', '诚信高洁之剑'],
'nickname': ['乌剑', '白剑', '紫剑', '红剑', '红木剑', '金剑', '银剑', '青剑', '青剑', '黄剑']
})
print(df)
# %%
"""重置索引"""
# 以某列值设置为新的索引
df2 = df.set_index('rank')
print(df2)
print(df2.index)
# %%
# 重置索引
df2.reset_index()
print('df2.reset_index():\n', df2.reset_index())
# 重置索引并且删除之前的索引
print('df2.reset_index(drop=True):\n', df2.reset_index(drop=True))
# %%
"""修改行列索引值"""
df2.index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
print(df2)
# %%
"""复合索引"""
df3 = df.set_index(['rank', 'nickname'])
print(df3)小结
- pandas 的优势【了解】
- 增强图表可读性
- 便捷的数据处理能力
- 读取文件方便
- 封装了 Matplotlib、Numpy 的画图和计算
- series【知道】
- 创建
- pd.Series([], index=[])
- pd.Series({})
- 属性
- 对象 .index
- 对象 .values
- 创建
- DataFrame【掌握】
- 创建
- pd.DataFrame(data=None, index=None, columns=None)
- 属性
- shape -- 形状
- index -- 行索引
- columns -- 列索引
- values -- 查看值
- T -- 转置
- head() -- 查看头部内容
- tail() -- 查看尾部内容
- DataFrame 索引
- 修改的时候，需要进行全局修改
- 对象 .reset_index()
- 对象 .set_index(keys)
- 创建