Pandas数据结构

Pandas数据结构

• Series:一维
• DataFrame:二维
• MultiIndex：三维

1 Series

1.1 创建

• pd.Series([], index=[])
• pd.Series({})

# 导入pandas
import pandas as pd
pd.Series(data=None, index=None, dtype=None)

• 参数
  data:传入的数据
  index:索引（必须唯一），且数据的长度相等，如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
  dtype:数据的类型
• 举例
  指定内容，默认索引：

pd.Series(np.arange(10))

# 运行结果
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

指定索引：

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

# 运行结果
1     6.7
2     5.6
3     3.0
4    10.0
5     2.0
dtype: float64

通过字典数据创建:

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

# 运行结果
blue       200
green      500
red        100
yellow    1000
dtype: int64

1.2 Series的属性

• 对象.index:获得索引
• 对象.values:获得值
• 举例:

color_count.index

# 结果
Index(['blue', 'green', 'red', 'yellow'], dtype='object')

color_count.values

# 结果
array([ 200,  500,  100, 1000])

# 使用索引来获取数据
color_count[2]

# 结果
100

2 DataFrame

2.1 创建

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

# 导入pandas
import pandas as pd
pd.DataFrame(data=None, index=None, columns=None)

• 参数：
  index：行标签
  columns：列标签
  注：如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
• 举例：

#创建学生成绩表
# 生成10名同学，5门功课的数据
score = np.random.randint(40, 100, (10, 5))

# 结果
array([[92, 55, 78, 50, 50],
       [71, 76, 50, 48, 96],
       [45, 84, 78, 51, 68],
       [81, 91, 56, 54, 76],
       [86, 66, 77, 67, 95],
       [46, 86, 56, 61, 99],
       [46, 95, 44, 46, 56],
       [80, 50, 45, 65, 57],
       [41, 93, 90, 41, 97],
       [65, 83, 57, 57, 40]])

# 使用Pandas中的数据结构(行列索引自动赋值)
score_df = pd.DataFrame(score)

# 增加行、列索引
# 构造行索引序列
subjects = ["语文", "数学", "英语", "政治", "体育"]

# 构造列索引序列
stu = ['同学' + str(i) for i in range(score_df.shape[0])]

# 添加行索引
data = pd.DataFrame(score, columns=subjects, index=stu)

2.2 DataFrame的属性

• data.shape :返回行列大小 eg. (10, 5)
• data.index :DataFrame的行索引列表
• data.columns:DataFrame的列索引列表
• data.values:直接获取其中array的值
• data.T:转置
• data.head()：如果不补充参数，默认5行。填入参数N则显示前N行
• data.tail()：如果不补充参数，默认5行。填入参数N则显示后N行

2.3 DatatFrame索引的设置

• 修改的时候,需要进行全局修改
  举例：

stu = ["学生_" + str(i) for i in range(score_df.shape[0])]

# 必须整体全部修改
data.index = stu

• 对象.reset_index()
  reset_index(drop=False)：设置新的下标索引
  drop:默认为False，不删除原来索引，如果为True,删除原来的索引值
• 对象.set_index(keys)
  set_index(keys, drop=True)：以某列值设置为新的索引
  keys : 列索引名，drop : 默认True，表示当做新的索引，删除原来的列
  *举例：

#创建
df = pd.DataFrame({'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})

   month  sale  year
0  1      55    2012
1  4      40    2014
2  7      84    2013
3  10     31    2014

#以月份设置新的索引
df.set_index('month')
       sale  year
month
1      55    2012
4      40    2014
7      84    2013
10     31    2014

#设置多个索引，以年和月份
df = df.set_index(['year', 'month'])

df
            sale
year  month
2012  1     55
2014  4     40
2013  7     84
2014  10    31

注：通过刚才的设置，这样DataFrame就变成了一个具有MultiIndex的DataFrame。

3 MultiIndex

3.1 multiIndex的创建

• pd.MultiIndex.from_arrays()

arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']]
pd.MultiIndex.from_arrays(arrays, names=('number', 'color'))

# 结果
MultiIndex(levels=[[1, 2], ['blue', 'red']],
           codes=[[0, 0, 1, 1], [1, 0, 1, 0]],
           names=['number', 'color'])

3.2 multiIndex的特性

• 对象.index:行索引结果
• 对象.index.names：levels的名称
• 对象.index.levels:每个level的元组值