Python Pandas學習之Pandas資料結構詳解

2022-02-24 13:01:02

1 Pandas介紹

2008年WesMcKinney開發出的庫

專門用於資料探勘的開源python庫

以Numpy為基礎，借力Numpy模組在計算方面效能高的優勢

基於matplotlib，能夠簡便的畫圖

獨特的資料結構

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

增強圖表可讀性
便捷的資料處理能力
讀取檔案方便
封裝了Matplotlib、Numpy的畫圖和計算

2 Pandas資料結構

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

其中Series是一維資料結構，DataFrame是二維的表格型資料結構，MultiIndex是三維的資料結構。

2.1 Series

Series是一個類似於一維陣列的資料結構，它能夠儲存任何型別的資料，比如整數、字串、浮點數等，主要由一組資料和與之相關的索引兩部分構成。

2.1.1 Series的建立

# 匯入pandas
import pandas as pd

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

引數：

data：傳入的資料，可以是ndarray、list等
index：索引，必須是唯一的，且與資料的長度相等。如果沒有傳入索引引數，則預設會自動建立一個從0-N的整數索引。
dtype：資料的型別

指定索引建立：

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

通過字典資料建立

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

2.1.2 Series的屬性

為了更方便地操作Series物件中的索引和資料，Series中提供了兩個屬性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資料：

color_count[2]

# 結果
100

2.2 DataFrame

DataFrame是一個類似於二維陣列或表格(如excel)的物件，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的建立

# 匯入pandas
import pandas as pd

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

引數：

index：行標籤。如果沒有傳入索引引數，則預設會自動建立一個從0-N的整數索引。
columns：列標籤。如果沒有傳入索引引數，則預設會自動建立一個從0-N的整數索引。

舉例：建立學生成績表

# 生成10名同學，5門功課的資料
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]])

但是這樣的資料形式很難看到儲存的是什麼的樣的資料，可讀性比較差！！

問題：如何讓資料更有意義的顯示？

# 使用Pandas中的資料結構
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])]

# 新增行索引
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）

如果不補充引數，預設5行。填入引數N則顯示前N行

data.head(5)

7.tail(5):顯示後5行內容

如果不補充引數，預設5行。填入引數N則顯示後N行

data.tail(5)

2.2.3 DatatFrame索引的設定

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

注意：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)

設定新的下標索引
drop:預設為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.以某列值設定為新的索引

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'])

注：通過剛才的設定，這樣DataFrame就變成了一個具有MultiIndex的DataFrame。

到此這篇關於Python Pandas學習之Pandas資料結構詳解的文章就介紹到這了,更多相關Python Pandas資料結構內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

Python Pandas學習之Pandas資料結構詳解

目錄

1 Pandas介紹

2 Pandas資料結構

2.1 Series

2.2 DataFrame

熱門文章