Pandas基本对象介绍¶

Pandas有三种基本数据结构：Series,DataFrame和Index,下面简单介绍基本特点。

In [3]:

import numpy as np
import pandas as pd

import numpy as np import pandas as pd

Pandas 的Series对象¶

In [6]:

data = pd.Series([0.25, 0.5, 0.75, 1.0])
data

data = pd.Series([0.25, 0.5, 0.75, 1.0]) data

Out[6]:

0    0.25
1    0.50
2    0.75
3    1.00
dtype: float64

In [8]:

data.values

data.values

Out[8]:

array([0.25, 0.5 , 0.75, 1.  ])

In [10]:

data.index

data.index

Out[10]:

RangeIndex(start=0, stop=4, step=1)

In [12]:

data[1]

data[1]

Out[12]:

0.5

In [14]:

data[1:3]

data[1:3]

Out[14]:

1    0.50
2    0.75
dtype: float64

In [17]:

#指定索引和键值
data = pd.Series([0.25, 0.5, 0.75, 1.0],
                 index=['a', 'b', 'c', 'd'])
data

#指定索引和键值 data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd']) data

Out[17]:

a    0.25
b    0.50
c    0.75
d    1.00
dtype: float64

In [21]:

data = pd.Series([0.25, 0.5, 0.75, 1.0],
                 index=[2, 5, 3, 7])
data

data = pd.Series([0.25, 0.5, 0.75, 1.0], index=[2, 5, 3, 7]) data

Out[21]:

2    0.25
5    0.50
3    0.75
7    1.00
dtype: float64

In [23]:

data[5]

data[5]

Out[23]:

0.5

In [25]:

#换回原来格式#
data = pd.Series([0.25, 0.5, 0.75, 1.0],
                 index=['a', 'b', 'c', 'd'])
data

#换回原来格式# data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd']) data

Out[25]:

a    0.25
b    0.50
c    0.75
d    1.00
dtype: float64

In [27]:

data['b']

data['b']

Out[27]:

0.5

In [29]:

'a' in data

'a' in data

Out[29]:

True

In [31]:

data.keys()

data.keys()

Out[31]:

Index(['a', 'b', 'c', 'd'], dtype='object')

In [13]:

list(data.items())

list(data.items())

Out[13]:

[('a', 0.25), ('b', 0.5), ('c', 0.75), ('d', 1.0)]

In [33]:

#Series元素可以直接赋值
data['e'] = 1.25
data

#Series元素可以直接赋值 data['e'] = 1.25 data

Out[33]:

a    0.25
b    0.50
c    0.75
d    1.00
e    1.25
dtype: float64

In [35]:

#pd.Series是一种特殊的字典型结构
population_dict = {'California': 38332521,
                   'Texas': 26448193,
                   'New York': 19651127,
                   'Florida': 19552860,
                   'Illinois': 12882135}
population = pd.Series(population_dict)
population

#pd.Series是一种特殊的字典型结构 population_dict = {'California': 38332521, 'Texas': 26448193, 'New York': 19651127, 'Florida': 19552860, 'Illinois': 12882135} population = pd.Series(population_dict) population

Out[35]:

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
dtype: int64

In [37]:

population['California']

population['California']

Out[37]:

38332521

In [39]:

population['California':'Illinois']

population['California':'Illinois']

Out[39]:

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
dtype: int64

创建pd.series方法¶

In [42]:

pd.Series([2, 4, 6])

pd.Series([2, 4, 6])

Out[42]:

0    2
1    4
2    6
dtype: int64

In [44]:

pd.Series(5, index=[100, 200, 300])

pd.Series(5, index=[100, 200, 300])

Out[44]:

100    5
200    5
300    5
dtype: int64

In [46]:

pd.Series({2:'a', 1:'b', 3:'c'})

pd.Series({2:'a', 1:'b', 3:'c'})

Out[46]:

2    a
1    b
3    c
dtype: object

In [48]:

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

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

Out[48]:

3    c
2    a
dtype: object

Pandas的DataFrame结构¶

In [51]:

#创建另一个Series:面积
area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297,
             'Florida': 170312, 'Illinois': 149995}
area = pd.Series(area_dict)
area

#创建另一个Series:面积 area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995} area = pd.Series(area_dict) area

Out[51]:

California    423967
Texas         695662
New York      141297
Florida       170312
Illinois      149995
dtype: int64

In [53]:

#将上面的population 与刚刚建立的area结合起来
states = pd.DataFrame({'population': population,
                       'area': area})
states

#将上面的population 与刚刚建立的area结合起来 states = pd.DataFrame({'population': population, 'area': area}) states

Out[53]:

	population	area
California	38332521	423967
Texas	26448193	695662
New York	19651127	141297
Florida	19552860	170312
Illinois	12882135	149995

In [55]:

states.index

states.index

Out[55]:

Index(['California', 'Texas', 'New York', 'Florida', 'Illinois'], dtype='object')

In [57]:

states.columns

states.columns

Out[57]:

Index(['population', 'area'], dtype='object')

In [59]:

#选取每一列，这样就变成了series
states['population']

#选取每一列，这样就变成了series states['population']

Out[59]:

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
Name: population, dtype: int64

In [61]:

states.population

states.population

Out[61]:

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
Name: population, dtype: int64

上述两种方法等效，但又有不同应用场景。

Pandas 中构建 DataFrame 方法¶

In [65]:

#从series中创建
pd.DataFrame(population, columns=['population'])

#从series中创建 pd.DataFrame(population, columns=['population'])

Out[65]:

	population
California	38332521
Texas	26448193
New York	19651127
Florida	19552860
Illinois	12882135

In [69]:

population  #Series 与 DataFrame是不同的数据结构

population #Series 与 DataFrame是不同的数据结构

Out[69]:

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
dtype: int64

In [71]:

#从字典结构的列表进行构建
data = [{'a': i, 'b': 2 * i}
        for i in range(3)]
pd.DataFrame(data)

#从字典结构的列表进行构建 data = [{'a': i, 'b': 2 * i} for i in range(3)] pd.DataFrame(data)

Out[71]:

	a	b
0	0	0
1	1	2
2	2	4

In [73]:

#数据缺失不影响dataFrame构建
pd.DataFrame([{'a': 1, 'b': 2}, {'b': 3, 'c': 4}])

#数据缺失不影响dataFrame构建 pd.DataFrame([{'a': 1, 'b': 2}, {'b': 3, 'c': 4}])

Out[73]:

	a	b	c
0	1.0	2	NaN
1	NaN	3	4.0

In [75]:

#由Series构成的字典结构构建DataFrame
pd.DataFrame({'population': population,
              'area': area})

#由Series构成的字典结构构建DataFrame pd.DataFrame({'population': population, 'area': area})

Out[75]:

	population	area
California	38332521	423967
Texas	26448193	695662
New York	19651127	141297
Florida	19552860	170312
Illinois	12882135	149995

In [77]:

# 二维Numpy数组构建DataFrame
pd.DataFrame(np.random.rand(3, 2),
             columns=['foo', 'bar'],
             index=['a', 'b', 'c'])

# 二维Numpy数组构建DataFrame pd.DataFrame(np.random.rand(3, 2), columns=['foo', 'bar'], index=['a', 'b', 'c'])

Out[77]:

	foo	bar
a	0.321930	0.391245
b	0.228380	0.512090
c	0.452195	0.533674

Pandas 的 Index结构¶

无论是Series还是DataFrame,都有一个Index作为索引。Index在Pandas中是一种重要的辅助对象，有必要有所了解。

In [81]:

ind = pd.Index([2, 3, 5, 7, 11])
ind

ind = pd.Index([2, 3, 5, 7, 11]) ind

Out[81]:

Index([2, 3, 5, 7, 11], dtype='int64')

Index 是一种有序的集合对象

In [94]:

indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])

indA = pd.Index([1, 3, 5, 7, 9]) indB = pd.Index([2, 3, 5, 7, 11])

In [96]:

indA & indB  # 交集

indA & indB # 交集

Out[96]:

Index([0, 3, 5, 7, 9], dtype='int64')

In [88]:

indA | indB  # 并集

indA | indB # 并集

Out[88]:

Index([3, 3, 5, 7, 11], dtype='int64')

In [92]:

indA ^ indB  # 亦或

indA ^ indB # 亦或

Out[92]:

Index([3, 0, 0, 0, 2], dtype='int64')

In [ ]: