Python系列 之 Pandas库_pandas to numpy

Pandas库

Pandas库是Python的核心数据分析支持库，提供了快速 灵活 明确的数据结构；
pandas主要数据结构：
Series：带标签的一维同构数组
DataFrame：带标签的 大小可变的 二维异构表格
Pandas 所有数据结构的值都是可变的，但是数据结构大小并非都是可变的；比如 Series 的长度是不可改变的，但是DataFrame的结构和值都可以改变

Pandas数据结构

Series

Series数据结构 带标签的一维同构数组；可存储整数，浮点数，字符串，Python对象等类型的数据。

创建Series对象

调用 pd.Series 函数 创建 Series：

import pandas as pd
import numpy as 
# pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)
# data : Series存储的数据 支持：Python字典，多维数组，标量值
# index： Series的标签
# dtype : 数据类型
s = pd.Series(data=np.arange(10, 50, 5))
1
2
3
4
5
6
7

数组构建Series的data：
如果指定index index长度需要和data一致
如果没有指定index 则会自动填充 index = range(0,len(data))

s = pd.Series(data=np.arange(10, 50, 5))
print("数组构建Series的data：\n", s)
# 输出：0,1,2,3是index
# 数组构建Series的data：
# 0    10
# 1    20
# 2    30
# 3    40
# dtype: int32
1
2
3
4
5
6
7
8
9

Python 字典构建Series的data：
如果未指定index 则取字典的key作为index

s = pd.Series(data={
   'a': '1', 'c': '2', 'B': '3',
                    'd': '4', 'e': '5'}, dtype=np.float64)
print("Python字典构建Series的data:\n", s)
# 输出：
# Python字典构建Series的data:
# a    1.0
# c    2.0
# B    3.0
# d    4.0
# e    5.0
# dtype: float64
1
2
3
4
5
6
7
8
9
10
11
12

标量值 构建Series的data：
必须提供index；根据index的长度重复标量值：

s = pd.Series(data=10, index=['a', 'b', 'c'])
print("标量值构建Series的data:\n", s)
# 输出：
# 标量值构建Series的data:
# a    10
# b    10
# c    10
# dtype: int64
1
2
3
4
5
6
7
8

Series索引和切片 选择数据

Series选择数据可以用索引和切片进行操作：

s = pd.Series(data=np.arange(10, 20, 2), index=['a', 'b', 'c', 'd', 'e'])
print(s)
# 输出：
# a    10
# b    12
# c    14
# d    16
# e    18
# dtype: int32
1
2
3
4
5
6
7
8
9

下标索引选择数据：

# 下标索引
print("下标索引访问Series数据:\n",s[4])
# 输出：
# 下标索引访问Series数据:
#  18
1
2
3
4
5

标签(index)访问Series数据：

#  Series 的标签 如果标签不存在 会报KeyError
print("标签(index)访问Series数据:\n",s['a'])
# 输出：
# 标签(index)访问Series数据:
# 10
1
2
3
4
5

Series.get方法访问Series数据：

# Series.get(index,default) 如果标签index不存在 返回default
print("Series.get方法：\n", s.get('a', np.nan))
# 输出
# Series.get方法：
# 10
1
2
3
4
5

切片：下标索引 切片

# 下标索引 切片
print("下标索引切片访问Series数据:\n",s[0:4])
# 输出
# 下标索引切片访问Series数据:
# a    10
# b    12
# c    14
# d    16
# dtype: int32
1
2
3
4
5
6
7
8
9

切片：Series的标签 切片

# Series的标签 切片
print("标签(index)切片访问Series数据:\n",s['a':'b'])
# 输出
# 标签(index)切片访问Series数据:
# a    10
# b    12
# dtype: int32
1
2
3
4
5
6
7

Series name属性和rename方法

name属性：

s = pd.Series(np.nan, name='name_s')
print('Series的name属性:\n', s.name)
# 输出
# Series的name属性:
# name_s
1
2
3
4
5

rename方法：

# 更改s的name=re_name_s  inplace=True 表示不创建新的对象,直接对原始对象进行修改
s.rename('re_name_s', inplace=True)
print('Series的rename方法:\n', s.name)
# 输出
# Series的rename方法:
# re_name_s
1
2
3
4
5
6

DataFrame

DataFrame 是由多种类型的列购成的二维标签数据结构，类似Excel SQL表；
包含 index(行标签)和columns(列标签)；
支持多种类型的数据输入：一维ndarray、 列表 、字典、 Series字典、 二维np.ndarray 结构、多维数组或记录多维数组 、 Series、 DataFrame；

创建DataFrame对象

调用 pd.DataFrame()方法生成DataFrame对象：

pd.DataFrame(data=None, index=[], columns=[], dtype=None, copy=False)
1

Python 字典生成DataFrame：字典的key会生成DataFrame的columns：

data_dict = {
   'A': '0', 'B': '1', 'C': '2'}
df = pd.DataFrame(data=data_dict, index=[0], dtype=float)
print("Python字典生成DataFrame:\n", df)
# 输出 A,B,C 是columns(列标签)  0 是index(行标签)
# Python字典生成DataFrame:
#      A    B    C
# 0  0.0  1.0  2.0
1
2
3
4
5
6
7
8

Series字典生成DataFrame：
Series字典的key会生成DataFrame的columns，Series的index生成DataFrame的Index

series_dict = {
   'a': pd.Series(data=np.arange(5)),
               'b': pd.Series(data=np.arange(6))}
df = pd.DataFrame(data=series_dict, dtype=float)
print("Series字典生成DataFrame:\n", df)
# 输出a,b是列标签 0-5是行标签
# Series字典生成DataFrame:
#      a    b
# 0  0.0  0.0
# 1  1.0  1.0
# 2  2.0  2.0
# 3  3.0  3.0
# 4  4.0  4.0
# 5  NaN  5.0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

数组字典生成DataFrame：
数组字典中的数组长度必须一致；字典的key会生成DataFrame的columns；如果未指定index index=range(数组的长度)

array_dict = {
   'a': np.arange(0, 3), 'b': np.arange(
    3, 6), 'c': np.arange(6, 9)}
df = pd.DataFrame(data=array_dict)
print("数组字典生成DataFrame:\n", df)
# 输出
# 数组字典生成DataFrame:
#    a  b  c
# 0  0  3  6
# 1  1  4  7
# 2  2  5  8
1
2
3
4
5
6
7
8
9
10
11

列表字典生成DataFrame：
未指定columns 由字典key生成
列表中第一个字典是第一行数据，第二个是第二行…

list_dict = [{
   'a': 0},
             {
   'a': 1, 'b': 2},
             {
   'c': 3}]
df = pd.DataFrame(data=list_dict)
print("列表字典生成DataFrame:\n", df)
# 输出
# 列表字典生成DataFrame:
#      a    b    c
# 0  0.0  NaN  NaN
# 1  1.0  2.0  NaN
# 2  NaN  NaN  3.0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

用Series创建DataFrame：
如果未指定columns Series.name生成columns

s1 = pd.Series(data=[0, 1, 2]