网站建设的前端用什么编程,营销的方法手段有哪些,wordpress图片文件目录下,济南1951年建站Pandas数据结构
做python数据分析#xff0c;数据挖掘#xff0c;机器学习的童鞋应该都离不开pandas。在做数据的预处理的时候pandas尤为给力。
本文主要介绍pandas中的两种数据结构#xff1a;series,dataframe。
import pandas as pd
1.Series
首先来介绍series数据结…Pandas数据结构
做python数据分析数据挖掘机器学习的童鞋应该都离不开pandas。在做数据的预处理的时候pandas尤为给力。
本文主要介绍pandas中的两种数据结构series,dataframe。
import pandas as pd
1.Series
首先来介绍series数据结构。
series 类似于一维数组的对象。对于series基本要掌握的是
构建series获取series中的数据与索引预览数据通过索引获取数据Series的运算name属性
1.1 构建Series
通过list构建Series
向pd.Series()中传入一个list。就等于将这个list转换成了Series数据格式了。
可以通过打印数据类型来检查显示的是Series
ser_obj pd.Series(range(10, 20))print type(ser_obj)
class pandas.core.series.Series通过字典dict构建Series
dict中每个key其实是索引对应的value是值。所有的值的数据类型需一致。
year_data {2001: 17.8, 2002: 20.1, 2003: 16.5}
ser_obj2 pd.Series(year_data)
print ser_obj2.head()
2001 17.8
2002 20.1
2003 16.5
dtype: float641.2 获取数据与索引
对于Series 使用.values方法就能获取它的值使用.index方法就能获取它的索引。
下面这个例子获取的索引并没有直接逐个打印出来而是打印了一个RangeIndex里面的参数表示起始数包括结尾数不包括步长为1。
# 获取数据
print ser_obj.values# 获取索引
print ser_obj.index
[10 11 12 13 14 15 16 17 18 19]
RangeIndex(start0, stop10, step1)1.3 预览数据
如果数据量太大但又想看看数据的格式那么可以提取前几条数据来瞧一瞧。
直接使用.head()如果里面不传入参数那么默认提取前5条数据括号里也可以出传入参数来指定提取前面n条。
# 预览数据
print ser_obj.head(3)
0 10
1 11
2 12
dtype: int641.4 获取数据
可以通过索引获取Series中对应位置的value。索引放在中括号[]中。
#通过索引获取数据
print ser_obj[0]
print ser_obj[8]
10
181.5 运算
对1个Series 进行加减乘数的运算时表示对Series中的每个元素都做一次运算然后输出相同长度的Series。
# 索引与数据的对应关系仍保持在数组运算的结果中
print ser_obj * 3
0 30
1 33
2 36
3 39
4 42
5 45
6 48
7 51
8 54
9 57
dtype: int64除了普通的加减乘除等运算还可以进行布尔运算如下会将所有大于15的值输出成True 小于15的值输出成False。
print ser_obj 15
0 False
1 False
2 False
3 False
4 False
5 False
6 True
7 True
8 True
9 True
dtype: bool1.6 name属性
可以对Series中的Index和Values添加自定义的名字。
# name属性
ser_obj2.name score
ser_obj2.index.name year
print ser_obj2.head()
year
2001 17.8
2002 20.1
2003 16.5
Name: score, dtype: float642.DataFrame
DataFrame类似于多维数组或表格数据与excel类似。
每列数据可以是不同的类型但是同一列的数据需保持一致数据类型。
DataFrame的索引包括行索引与列索引。
掌握DataFrame的基本使用需要熟悉以下几个要点。
构建DataFrame的两种方法ndarray构建dict构建通过索引获取数据增加与删除数据
import numpy as np 2.1 构建DataFrame
通过ndarray构建DataFram
# 首先创建一个ndarray 大小是5*4
array np.random.randn(5,4)
print array# 将ndarray传入pd.DataFrame()中即得到了一个DataFrame
df_obj pd.DataFrame(array)
print df_obj.head()
[[-1.15943918 0.41562598 0.24219151 -0.54127251][-0.72949761 0.7299977 -0.35770911 -1.55597979][-0.26508669 0.73079105 0.019037 -0.28775191][ 2.35757276 0.54826604 -1.10932131 0.36925581][ 0.60940029 0.11843865 -0.30061918 0.44980428]]0 1 2 3
0 -1.159439 0.415626 0.242192 -0.541273
1 -0.729498 0.729998 -0.357709 -1.555980
2 -0.265087 0.730791 0.019037 -0.287752
3 2.357573 0.548266 -1.109321 0.369256
4 0.609400 0.118439 -0.300619 0.449804上面构建好的DataFrame可见左边有一列是行索引上面有一行是列索引。如果没有特殊指定系统会默认生成行索引与列索引的。
通过dict构建DataFrame
还记得通过字典构建series时Key是作为索引的在DataFrame中Key是作为列索引列名。
讲dict传给pd.DataFrame()中即构成了一个DataFrame
dict_data {A: 1., B: pd.Timestamp(20161223),C: pd.Series(1, indexlist(range(4)),dtypefloat32),D: np.array([3] * 4,dtypeint32),E : pd.Categorical([Python,Java,C,C#]),F : wangxiaocao }
#print dict_data
df_obj2 pd.DataFrame(dict_data)
print df_obj2.head() A B C D E F
0 1.0 2016-12-23 1.0 3 Python wangxiaocao
1 1.0 2016-12-23 1.0 3 Java wangxiaocao
2 1.0 2016-12-23 1.0 3 C wangxiaocao
3 1.0 2016-12-23 1.0 3 C# wangxiaocao2.2 通过索引获取数据
这里先简单介绍一下通过列索引来获取数据。
通过列索引获取的数据顾名思义就是获取处该索引的一整列。着一整列的数据其实就是Series的数据格式。
所以DataFrame可以看成是由一列一列的series组成的。
有两种方式 1. df_obj2[‘F’] 2. df_obj2.F
# 方式1
print df_obj2[F]
print type(df_obj2[F])# 方式2
print df_obj2.F
0 wangxiaocao
1 wangxiaocao
2 wangxiaocao
3 wangxiaocao
Name: F, dtype: object
class pandas.core.series.Series
0 wangxiaocao
1 wangxiaocao
2 wangxiaocao
3 wangxiaocao
Name: F, dtype: object2.3 增加与删除列
# 增加列
df_obj2[G] df_obj2[D] 4
print df_obj2.head() A B C D E F G
0 1.0 2016-12-23 1.0 3 Python wangxiaocao 7
1 1.0 2016-12-23 1.0 3 Java wangxiaocao 7
2 1.0 2016-12-23 1.0 3 C wangxiaocao 7
3 1.0 2016-12-23 1.0 3 C# wangxiaocao 7# 删除列
del df_obj2[G]
print df_obj2.head() A B C D E F
0 1.0 2016-12-23 1.0 3 Python wangxiaocao
1 1.0 2016-12-23 1.0 3 Java wangxiaocao
2 1.0 2016-12-23 1.0 3 C wangxiaocao
3 1.0 2016-12-23 1.0 3 C# wangxiaocao3.索引对象 Index
pandas的两种数据格式都与索引息息相关这里罗列一下索引的相关知识。
首先要明确索引的特性不可变索引
# 索引对象不可变
df_obj2.index[0] 2
---------------------------------------------------------------------------TypeError Traceback (most recent call last)ipython-input-17-7f40a356d7d1 in module()1 # 索引对象不可变
---- 2 df_obj2.index[0] 2/home/cc/anaconda2/lib/python2.7/site-packages/pandas/indexes/base.pyc in __setitem__(self, key, value)1243 1244 def __setitem__(self, key, value):
- 1245 raise TypeError(Index does not support mutable operations)1246 1247 def __getitem__(self, key):TypeError: Index does not support mutable operations常见的Index种类有
IndexInt64IndexMultiIndex:层级索引DatetimeINdex时间戳类型的索引
print type(ser_obj.index)
print type(df_obj2.index)print df_obj2.index
class pandas.indexes.range.RangeIndex
class pandas.indexes.numeric.Int64Index
Int64Index([0, 1, 2, 3], dtypeint64)注部分例子来自于小象学院Robin课程
