Python Pandas 中的資料結構詳解

2022-06-21 14:02:59

1.Series

Series是一種一維陣列物件，包含一個值序列，並且包含資料標籤，稱為索引(index)，通過索引來存取陣列中的資料。

1.1通過列表建立Series

例1.通過列表建立

import pandas as pd
obj = pd.Series([1,-2,3,4])   #僅由一個陣列構成
print(obj)

輸出：

0 1
1 -2
2 3
3 4
dtype: int64

輸出的第一列為index，第二列為資料value。如果建立Series時沒有指定index，Pandas會採用整型資料作為該Series的index。也可以使用Python裡的索引index和切片slice技術

例2.建立Series時指定索引

import pandas as pd
i = ["a","c","d","a"]
v = [2,4,5,7]
t = pd.Series(v,index=i,name="col")
print(t)

out:

a 2
c 4
d 5
a 7
Name: col, dtype: int64

儘管建立Series指定了index，實際上Pandas還是有隱藏的index位置資訊。所以Series有兩套描述某條資料手段：位置和標籤

例3.Series位置和標籤的使用

import pandas as pd
val = [2,4,5,6]
idx1 = range(10,14)
idx2 = "hello the cruel world".split()
s0 = pd.Series(val)
s1 = pd.Series(val,index=idx1)
t = pd.Series(val,index=idx2)
print(s0.index)
print(s1.index)
print(t.index)
print(s0[0])
print(s1[10])
print('default:',t[0],'label:',t["hello"])

1.2通過字典建立Series

如果資料被存放在一個Python字典中，也可以直接通過這個字典來建立Series

例4.通過字典建立Series

import pandas as pd
sdata = {'Ohio':35000,'Texass':71000,'Oregon':16000,'Utah':5000}
obj = pd.Series(sdata)
print(obj)

Ohio 35000
Texass 71000
Oregon 16000
Utah 5000
dtype: int64

如果只傳入一個字典，則結果Series中的索引就是原字典的鍵（有序排列）

例5.通過字典建立Series時的索引

import pandas as pd
sdata = {"a":100,"b":200,"e":300}
obj = pd.Series(sdata)
print(obj)

a 100
b 200
e 300
dtype: int64

如果字典中的鍵值和指定的索引不匹配，則對應的值時NaN

例6.鍵值和指定索引不匹配

import pandas as pd
sdata = {"a":100,"b":200,"e":300}
letter = ["a","b","c","e"]
obj = pd.Series(sdata,index=letter)
print(obj)

a 100.0
b 200.0
c NaN
e 300.0
dtype: float64

對於許多應用而言，Series重要的一個功能是：它在算術運算中會自動對齊不同索引的資料

例7.不同索引資料的自動對齊

import pandas as pd
sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
obj1 = pd.Series(sdata)
states = ['California','Ohio','Oregon','Texas']
obj2 = pd.Series(sdata,index=states)
print(obj1+obj2)

California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64

Series的索引可以通過賦值的方式就地修改

例8.Series索引的修改

import pandas as pd
obj = pd.Series([4,7,-3,2])
obj.index = ['Bob','Steve','Jeff','Ryan']
print(obj)

Bob 4
Steve 7
Jeff -3
Ryan 2
dtype: int64

2.DataFrame

DataFrame是一個表格型的資料結構，它含有一組有序的列，每列可以是不同型別的值(數值、字串、布林值等)。DataFrame既有行索引也有列索引，它可以被看作由Series組成的字典(共用同一個索引)。跟其他型別的資料結構相比，DataFrame中面向行和麵向列的操作上基本上是平衡的

構建DataFrame的方式有很多，最常用的是直接傳入一個由等長列表或NumPy陣列組成的字典來形成DataFrame

例9.DataFrame的建立

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data)
print(df)

name sex year city
0 張三 female 2001 北京
1 李四 female 2001 上海
2 王五 male 2003 廣州
3 小明 male 2002 北京

DataFrame會自動加上索引(跟Series一樣)，且全部列會被有序排列。如果指定了列名序列，則DataFrame的列就會按照指定順序進行排列

例10.DataFrame的索引

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city'])
print(df)

name year sex city
0 張三 2001 female 北京
1 李四 2001 female 上海
2 王五 2003 male 廣州
3 小明 2002 male 北京

跟Series一樣，如果傳入的列在資料中找不到，就會產生NaN值。

例11.DataFrame建立時的空缺值

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'])
print(df)

name year sex city address
0 張三 2001 female 北京 NaN
1 李四 2001 female 上海 NaN
2 王五 2003 male 廣州 NaN
3 小明 2002 male 北京 NaN

DataFrame建構函式的columns函數給出列的名字，index給出label標籤

例12.DataFrame構建時指定列名

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])
print(df)

name year sex city address
a 張三 2001 female 北京 NaN
b 李四 2001 female 上海 NaN
c 王五 2003 male 廣州 NaN
d 小明 2002 male 北京 NaN

3.索引物件

Pandas的索引物件負責管理軸標籤和其他後設資料(例如軸名稱等).構建Series或DataFrame時，所用到的任何陣列或其他序列的標籤都會被轉換成一個Index

例13.顯示DataFrame的索引和列

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])
print(df)
print(df.index)
print(df.columns)

name year sex city address
a 張三 2001 female 北京 NaN
b 李四 2001 female 上海 NaN
c 王五 2003 male 廣州 NaN
d 小明 2002 male 北京 NaN
Index(['a', 'b', 'c', 'd'], dtype='object')
Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')

索引物件不能進行修改，否則會報錯。不可修改性非常重要，因為這樣才能使Index物件在多個資料結構之間安全共用
除了長的像陣列，Index的功能也類似於一個固定大小的集合

例14.DataFrame的Index

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])
 
print('name'in df.columns)
print('a'in df.index)

True

True

每個索引都有一些方法和屬性，他們可用於設定邏輯並回答有關該索引所包含的資料的常見的問題。

例15.插入索引值

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])
 
df.index.insert(1,'w')
Index(['a', 'w', 'b', 'c', 'd'], dtype='object')

4.檢視DataFrame的常用屬性

DataFrame的基礎屬性有value、index、columns、dtypes、ndim和shape，分別可以獲取DataFrame的元素、索引、列名、型別、維度和形狀。

例16.顯示DataFrame的屬性

import pandas as pd
data = {
    'name':['張三','李四','王五','小明'],
    'sex':['female','female','male','male'],
    'year':[2001,2001,2003,2002],
    'city':['北京','上海','廣州','北京']
}
df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])
 
print(df)
print('資訊表的所有值為：n',df.values)
print('資訊表的所有列為：n',df.columns)
print('資訊表的元素個數：n',df.size)
print('資訊表的維度：n',df.ndim)
print('資訊表的形狀：n',df.shape)
 #//輸出
  name  year     sex city address
a   張三  2001  female   北京     NaN
b   李四  2001  female   上海     NaN
c   王五  2003    male   廣州     NaN
d   小明  2002    male   北京     NaN
資訊表的所有值為：
 [['張三' 2001 'female' '北京' nan]
 ['李四' 2001 'female' '上海' nan]
 ['王五' 2003 'male' '廣州' nan]
 ['小明' 2002 'male' '北京' nan]]
資訊表的所有列為：
 Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')
資訊表的元素個數：
 20
資訊表的維度：
 2
資訊表的形狀：
 (4, 5)

到此這篇關於Python Pandas 中的資料結構詳解的文章就介紹到這了,更多相關Python Pandas 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！