目录

1Pandas介绍2Pandas数据结构2.1Series2.2DataFrame

1 Pandas介绍

2008年WesMcKinney开发出的库

专门用于数据挖掘的开源python库

以Numpy为基础，借力Numpy模块在计算方面性能高的优势

基于matplotlib，能够简便的画图

独特的数据结构

Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？

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

2 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。

2.1 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。

2.1.1 Series的创建

# 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

指定索引创建：

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

通过字典数据创建

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

2.1.2 Series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

1.index

color_count.index

# 结果
Index(["blue", "green", "red", "yellow"], dtype="object")

2.values

color_count.values

# 结果
array([ 200,  500,  100, 1000])

当然也可以使用索引来获取数据：

color_count[2]

# 结果
100

2.2 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

2.2.1 DataFrame的创建

# 导入pandas
import pandas as pd

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

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。

举例：创建学生成绩表

# 生成10名同学，5门功课的数据
score = np.random.randint(40, 100, (10, 5))

# 结果
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？

# 使用Pandas中的数据结构
score_df = pd.DataFrame(score)

增加行、列索引：

# 构造行索引序列
subjects = ["语文", "数学", "英语", "物理", "化学"]

# 构造列索引序列
stu = ["同学" + 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的属性

1.shape

data.shape

# 结果
(10, 5)

2.index

DataFrame的行索引列表

data.index

# 结果
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")

3.columns

DataFrame的列索引列表

data.columns

# 结果
Index(["语文", "数学", "英语", "政治", "体育"], dtype="object")

4.values

直接获取其中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

转置

data.T

输出结果：

6.head(5)：显示前5行内容 （很常用）

如果不补充参数，默认5行。填入参数N则显示前N行

data.head(5)

7.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

data.tail(5)

2.2.3 DatatFrame索引的设置

1.修改行列索引值

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

# 错误修改方式
data.index[3] = "学生_3"  #  错误

2.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

# 重置索引,drop=False
data.reset_index()

3.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

df = pd.DataFrame({"month": [1, 4, 7, 10],
                    "year": [2012, 2014, 2013, 2014],
                    "sale":[55, 40, 84, 31]})
                    
 df = df.set_index(["year", "month"])

注：通过刚才的设置，这样DataFrame就变成了一个具有MultiIndex的DataFrame。

到此这篇关于Python Pandas学习之Pandas数据结构详解的文章就介绍到这了,更多相关Python Pandas数据结构内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 数据结构 修改方式 专门用于 数据挖掘