Pandas模块的核心操作对象就是对序列(Series)和数据框(Dataframe)。序列可以理解为数据集中的一个字段,数据框是值包含至少两个字段(或序列)
的数据集。
构造序列
1.通过同质的列表或元组构建
2.通过字典构建
3.通过numpy中的一维数组构建
4.通过数据框Dataframe中的某一列构建
例如:
import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
print(gdp1)
print(gdp2)
print(gdp3)
out:
0 2.80 1 3.01 2 8.99 3 8.59 4 5.18 dtype: float64 北京 2.80 上海 3.01 广东 8.99 江苏 8.59 浙江 5.18 dtype: float64 0 2.80 1 3.01 2 8.99 3 8.59 4 5.18 dtype: float64
如上所示:不管是列表,元组,还是一维数组,构造的序列结果样式会产生两列,第一列属于序列的索引列(也可以理解为行号)
,自动从0开始,第二列才是序列的实际值。通过字典构造的序列就是第二个打印样式,仍然包含两列,所不同的是第一列不再是行号,而是具体的行名称(label),对应到字典中的键,第二列是序列的实际值,对应到字典的值;
序列与一维数组有极高的相似性,获取一维数组元素的所有索引方法都可以用到序列上,而且数组的数学和统计函数也同样可以用到序列上。另外序列会有更多的其他处理方法,如下:
import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'广东':8.99,'江苏':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
# print(gdp1)
# print(gdp2)
# print(gdp3)
print('行号风格的序列:
',gdp1[[0,3,4]]) #取出gdp1中的第1 4 5个元素
print('行名称风格的序列:
',gdp2[[0,3,4]]) #取出gdp2中第 1 4 5个元素 取出的是字典的键值对
print('行名称风格的序列:
',gdp2[['上海','江苏','浙江']]) # 取出的是键值对
print('通过numpy函数:
',np.log(gdp1)) #可以用函数的方式直接取出相应对应的结果的值,通过numpy的方式需要通过其索引
print('通过numpy函数:
',np.mean(gdp1))
print('通过序列的方法:
',gdp1.mean()) #可以看出序列也是支持方法的使用的
out:
行号风格的序列: 0 2.80 3 8.59 4 5.18 dtype: float64 行名称风格的序列: 北京 2.80 江苏 8.59 浙江 5.18 dtype: float64 行名称风格的序列: 上海 3.01 江苏 8.59 浙江 5.18 dtype: float64 通过numpy函数: 0 1.029619 1 1.101940 2 2.196113 3 2.150599 4 1.644805 dtype: float64 通过numpy函数: 5.714 通过序列的方法: 5.714
针对上面的代码需要说明几点,如果序列是行名称风格,既可以使用位置(行号)索引,又可以使用标签(行名称)索引;如果需要对序列进行数序函数的运算,一般首选numpy模块,因为pandas模块在这方面比较缺乏;如果是对序列做统计运算,既可以使numpy模块中的函数,也可以使用序列中的方法。一般首选
序列方法,因为序列方法更加丰富一些,如计算序列的偏度,峰度,而Numpy是没有这样的函数的。
构造数据框
数据实质上就是一个数据集,数据集的行代表每一条观测,数据集的列则代表各个变量。在一个数据框中可以存放不同数据类型的序列,如整数型,浮点型,字符型和日期时间型,而数组和序列则没有这样的优势,因为他们只能存放同质数据。构造一个数据库可以应用如下方式:
1.通过嵌套的列表或元组构造
2.通过字典构造
3.通过二维数组构造
4.通过外部数据的读取构造。
示例:
import pandas as pd
import numpy as np
df1 = pd.DataFrame([['张三',23,'男'],['李四',27,'女'],['王五',26,'女']])
df2 = pd.DataFrame({'姓名':['张三','李四','王五'],'年龄':[23,27,26],'性别':['男','女','女']})
df3 = pd.DataFrame(np.array([['张三',23,'男'],['李四','27','女'],['王五',26,'女']]))
print('嵌套列表构造数据框:
',df1)
print('字典构造数据框:
',df2)
print('二维数组构造数据框:
',df3)
out:
嵌套列表构造数据框: 0 1 2 0 张三 23 男 1 李四 27 女 2 王五 26 女 字典构造数据框: 姓名 年龄 性别 0 张三 23 男 1 李四 27 女 2 王五 26 女 二维数组构造数据框: 0 1 2 0 张三 23 男 1 李四 27 女 2 王五 26 女
构造数据框需要使用到Pandas模块中的DataFrame函数,如果通过嵌套列表或元组构造数据框,则需要将数据框的每一行观测座位嵌套列表或元组的元素;如果通过二维数组构造数据框,则需要将数据框的每一行写入到数组的行中;如果通过字典构造数据框,则字典的键构成数据框的变量名,对应的值构成数据的观测。尽管上面的代码都可以构造数据框,但是讲嵌套列表,元组或二维数组转换为数据框时,数据框是没有具体的变量名的,只有从0到N的列号。所以,如果需要手工构造数据框的话,一般首选字典方法。
外部数据的读取
外部数据的读取来构造数据框的内容会比较多,下一篇再来记录...