Python系列之 Pandas库

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))

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

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

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

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

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

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

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

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

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

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

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

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)

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

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

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

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