Pandas - 知识点总结（一）

90 阅读 0 评论 60 点赞

我是靠谱客的博主简单小天鹅，最近开发中收集的这篇文章主要介绍Pandas - 知识点总结（一），觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

一、pandas的数据结构

1、 pandas处理以下三种数据结构

Series：序列，1D标记均匀数组，大小不变

均匀数组

尺寸大小不变

数据的值不可变

DataFrame：数据帧，2D标记，大小可变的表结构与潜在的异质类型的列

异构数据

大小可变

数据可变

Panel：面板，3D标记，大小可变的数组

异构数据

大小可变

数据可变

这些数据结构是建立在numpy数组之上的。

上面三种数据结构中，较高维度的数组是较低维度数组的容器

二、序列的创建

Pandas创建序列需要使用pandas.Series(data,index, dtype, copy)

data :创建Series的数据可以是各种形式的数据，包括list，tuple，dict，ndarray以及其他object等

index：索引值必须是唯一的和散列的，与数据的长度相同，默认为np.arange(n)，

dtype ：数据类型，如果没有传值，将会自动推断数据类型

copy ：复制数据

创建一个空序列：

import pandas as pd
s = pd.Series()
print(s)

从list，tuple，dict，ndarray以及其他object等创建序列

import pandas as pd
import numpy as np
data1 = ['a','b','c','d','e']
data2 = ('a','b','c','d','e')
data3 = {'a':1,'b':2,'c':3,'d':4,'e':5}
data4 = np.arange(10)
index = [1,2,3,4,5]
s1 = pd.Series(data=data1,index=index)
s2 = pd.Series(data=data2,index=index)
s3 = pd.Series(data=data3)
s4 = pd.Series(data=data4)
print('create for list', s1)
print('create for tuple', s2)
print('create for dict', s3)
print('create for ndarray', s4)
print('create for list', s1[1])
print('create for tuple', s2[1])
print('create for dict', s3['a'])
print('create for ndarray', s4[1])

字典可以作为输入传递，如果没有指定索引，则按排序顺序取得字典键以构造索引。如果传递了索引，索引与标签对应的数据中的值将会被拉出。

import pandas as pd
import numpy as np
data1 = {'a':1,'b':2,'c':3,'d':4,'e':5}
s = pd.Series(data1,index=['c','d','f','a'])
print(s)

从一个标量中创建一个序列

import pandas as pd
import numpy as np
s = pd.Series(5,index=['c','d','f','a'])
print(s)

从序列中索引数据，有以下几种方式：

1、基于切片的方式：包括list，基于冒号的正序和逆序

2、基于index的方式

基于get的方式（与index的区别，使用index方式时，若基于索引的数据不存在，则会报错，但get方式，若基于索引的数据不存在，会返回none）

import pandas as pd
import numpy as np
s = pd.Series([1,2,3,4],index=['c','d','f','a'])
print(s[:2])
print(s[-3:])
print(s['a'])
print('get',s.get('a'))

三、DataFrame创建

DataFrame的特点：

与列表类似，可以标记轴（行和列名）

大小可变

可以对行和列进行算数运算

每一列可以是不同的数据类型

创建DataFrame可以用pandas.DataFrame(data,index, columns, dtype, copy)，

data ：各种形式的数据，包括ndarray，series，map，list，dict，constant或者DataFrame

index：行标签，与Series一样，没有传值的话，默认为np.arange(n)

columns:列标签，与Series一样，没有传值的话，默认为np.arange(n)

dtype：每一列的数据类型（只对列有效）

copy：默认为False，用此命令用于复制数据

创建一个空的DataFrame

import pandas as pd
import numpy as np
s = pd.DataFrame()
print(s)

创建单列的DataFrame

import pandas as pd
import numpy as np
data = [1,2,3,4,5]
s = pd.DataFrame(data)
print(s)

创建指定列名的DataFrame

import pandas as pd
import numpy as np
data = [['a',1],['b',2],['c',3],['d',4],['e',5]]
s = pd.DataFrame(data,columns=['name','num'])
print(s)

从字典中创建DataFrame

import pandas as pd
import numpy as np
data = {'A':['a',1],'B':['b',2],'C':['c',3],'D':['d',4],'E':['e',5]}
s = pd.DataFrame(data)
print(s)

使用字典来创建DataFrame，是一个很强大的功能，由于字典的特性，字典的每一项的key，在创建成DataFrame时，都会作为DataFrame的列索引，若使用两个不同的dict创建，缺失的值的部分会使用Nan填充；

import pandas as pd
import numpy as np
data = [{'A':['a',1],'B':['b',2],'C':['c',3],'D':['d',4]},{'A':['a',1],'E':['e']}]
s = pd.DataFrame(data)
print(s)

从series中创建DataFrame

import pandas as pd
import numpy as np
s = pd.Series(['a','b','c','d'])
df = pd.DataFrame(s)
print(df)

从字典，序列中创建

import pandas as pd
import numpy as np
s1 = pd.Series(['a','b','c','d'])
s2 = pd.Series(['a','b','c','d'])
d = {'A':s1,'B':s2}
df = pd.DataFrame(d)
print(df)

若需要往DataFrame中添加一列数据，可直接对新的一列赋值的方式增加新一列，但新增加的列的长度，不会因为赋值的列的长度变化而变化

import pandas as pd
import numpy as np
s1 = pd.Series(['a','b','c','d'])
df = pd.DataFrame(s1,columns=['A'])
df['B'] = [1,2,3,4]
print(df)
df['C'] = pd.Series(['a','b','c','d','e'],index=[0,1,2,3,4])
print(df)

列删除

要删除某一列，有两种方式：

1、直接del

2、Pop删除

import pandas as pd
import numpy as np
s1 = pd.Series(['a','b','c','d'])
df = pd.DataFrame(s1,columns=['A'])
df['B'] = [1,2,3,4]
print(df)
df['C'] = pd.Series(['a','b','c','d','e'],index=[0,1,2,3,4])
print(df)
del df['B']
print(df)
a = df.pop('C')
print(a)
print(df)

上面说的都是列操作，下面说一下行操作

行选择、添加和删除

行选择：

1、通过行标签索引，需要使用loc

2、使用行标签的整数行索引，需要使用iloc

3、使用数字切片进行索引

import pandas as pd
import numpy as np
df = pd.DataFrame([['a','b','c','d'],['f','g','h','i'],['a','b','c','d'],['f','g','h','i']],index=['A','B','C','D'],columns=['A','B','C','D'])
print(df)
print(df.loc['A'])
print(df.iloc[0])
print(df[0:2])

附加行

使用append()函数进行添加，返回添加行后的DataFrame

import pandas as pd
import numpy as np
df = pd.DataFrame([['a','b','c','d'],['f','g','h','i'],['a','b','c','d'],['f','g','h','i']],index=['A','B','C','D'],columns=['A','B','C','D'])
print(df)
print('-'*50)
df = df.append(df)
print(df)

删除行

import pandas as pd
import numpy as np
df = pd.DataFrame([['a','b','c','d'],['f','g','h','i'],['a','b','c','d'],['f','g','h','i']],index=['A','B','C','D'],columns=['A','B','C','D'])
print(df)
print('-'*50)
df = df.append(df)
print(df)
print('-'*50)
df = df.drop('A')
print(df)

四、Panel面板

面板是3D容器的数据，面板有3个轴，这3个轴的分别为：

items ：axis 0，每个项目对应与内部包含的DataFrame

major_axis：axis 1 ，为每个DataFrame的行索引

minor_axis：axis 2，没每个DataFrame的列索引

创建panel，可使用pandas.Panel(data,items, major_axis, minor_axis, dtype, copy)

创建一个Panel

import pandas as pd
import numpy as np
pl = pd.Panel([[['a','b','c','d'],['f','g','h','i']],[['a','b','c','d'],['f','g','h','i']]],items=['item1','item2'])
print(pl)
print(pl['item1'])