pandas的数据结构Series、DataFrame、PanelSeries:DataFrame:Panel:

93 阅读 0 评论 62 点赞

我是靠谱客的博主故意奇异果，这篇文章主要介绍pandas的数据结构Series、DataFrame、PanelSeries:DataFrame:Panel:，现在分享给大家，希望可以做个参考。

pandas有三种数据结构

Series:

一维数组，与Numpy中的一维array类似。

二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。

Series和一维数组最主要的区别在于Series类型具有索引（index），可以和另一个编程中常见的数据结构哈希（Hash）联系起来。

创建一个Series的基本格式是s = Series(data, index=index, name=name)

复制代码

1
2
3
4
5
s = Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
ss = Series(np.random.randn(5))
d = {'a': 0, 'b': 1, 'c': 2} #以字典创建
s = Series(d)

Series数据的访问

复制代码

1
2
3
4
s[:2]
s[[2,0,4]]
s[['e', 'i']]

DataFrame:

二维的表格型数据结构。

DataFrame是将数个Series按列合并而成的二维数据结构，每一列单独取出来是一个Series，这和SQL数据库中取出的数据是很类似的。

所以，按列对一个DataFrame进行处理更为方便，用户在编程时注意培养按列构建数据的思维。

DataFrame的优势在于可以方便地处理不同类型的列，因此，就不要考虑如何对一个全是浮点数的DataFrame求逆之类的问题了，处理这种问题还是把数据存成NumPy的matrix类型比较便利一些。

可以通过series直接创建

复制代码

1
2
3
4
d = {'one': Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = DataFrame(d)
df = DataFrame(d, index=['r', 'd', 'a'], columns=['two', 'three'])