Pandas数据处理基础1
介绍
Pandas 是非常著名的开源数据处理库,我们可以通过它完成对数据集进行快速读取、转换、过滤、分析等一系列操作。除此之外,Pandas 拥有强大的缺失数据处理与数据透视功能,可谓是数据预处理中的必备利器。
数据类型
Pandas 的数据类型主要有以下几种,它们分别是:Series(一维数组),DataFrame(二维数组),Panel(三维数组),Panel4D(四维数组),PanelND(更多维数组)。其中 Series 和 DataFrame 应用的最为广泛,几乎占据了使用频率 90% 以上。
Series
Series 是 Pandas 中最基本的一维数组形式。其可以储存整数、浮点数、字符串等类型的数据。Series 基本结构如下:
pandas.Series(data=None, index=None)
其中,data 可以是字典,或者NumPy 里的 ndarray 对象等。index 是数据索引,索引是 Pandas 数据结构中的一大特性,它主要的功能是帮助我们更快速地定位数据。
比如:
import numpy as np
s=pd.Series(np.random.randn(5))
s
DataFrame
DataFrame 是 Pandas 中最为常见、最重要且使用频率最高的数据结构。DataFrame 和平常的电子表格或 SQL 表结构相似。你可以把 DataFrame 看成是 Series 的扩展类型,它仿佛是由多个 Series 拼合而成。它和 Series 的直观区别在于,数据不但具有行索引,且具有列索引。
DataFrame 基本结构如下:
pandas.DataFrame(data=None, index=None, columns=None)
区别于 Series,其增加了 columns 列索引。DataFrame 可以由以下多个类型的数据构建:
一维数组、列表、字典或者 Series 字典。
二维或者结构化的 numpy.ndarray。
一个 Series 或者另一个 DataFrame。
比如:
指定索引:
df = pd.DataFrame({'one': pd.Series([1, 2, 3]),
'two': pd.Series([4, 5, 6])})
df
不指定索引:
df=pd.DataFrame({'one':[1,2,3],
'two':[4,5,6]})
df
或者
df=pd.DataFrame([{'one':1,'two':4},
{'one':2,'two':5},
{'one':3,'two':6}])
df
或者
pd.DataFrame(np.random.randint(5,size=(2,4)))
常用的 Series 和 DataFrame 数据类型,二者的核心区别是 Series 没有列索引
比如:
pd.Series(np.random.randint(5,size=(5,)))
输出结果:
0 3
1 2
2 3
3 3
4 0
dtype: int64
pd.DataFrame(np.random.randint(5,size=(5,)))
输出结果:
0
0 0
1 2
2 4
3 4
4 3
上一篇: 电话号码分身
下一篇: 17.电话号码的数字组合