欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Pyhton科学计算工具pandas数据结构Series介绍

程序员文章站 2022-05-12 16:34:03
Pyhton科学计算工具pandas数据结构Series介绍 Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为...

Pyhton科学计算工具pandas数据结构Series介绍

Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。

pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。

1. series数据结构

1.1 series的基本属性

import numpy as np
import pandas as pd
#  Series  数据结构
#  Series 相当于带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引


s = pd.Series(np.random.rand(5))
print(s)

print('----------')

print(s.index)             # .index查看series索引,类型为rangeindex
print(list(s.index))     
print(s.values)          # .values查看series值,类型是ndarray

# 核心:series相比于ndarray,是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候,就是一个ndarray
# series和ndarray较相似,索引切片功能差别不大
# series和dict相比,series更像一个有顺序的字典(dict本身不存在顺序),其索引原理与字典相似(一个用key,一个用index)
0    0.396242
1    0.129111
2    0.972807
3    0.880938
4    0.185592
dtype: float64
----------
RangeIndex(start=0, stop=5, step=1)
[0, 1, 2, 3, 4]
[ 0.39624189  0.12911103  0.97280693  0.88093782  0.18559196]
# Series 名称属性:name


s1 = pd.Series(np.random.randn(5))
print(s1)

print('------------')

s2 = pd.Series(np.random.randn(5),name = 'practice')
print(s2)
print(s1.name, s2.name,type(s2.name))
# name为Series的一个参数,创建一个数组的 名称
# .name方法:输出数组的名称,输出格式为str,如果没用定义输出名称,输出为None

print('------------')

s3 = s2.rename('ggg')
print(s3)
print(s3.name, s2.name)

# .rename()重命名一个数组的名称,并且新指向一个数组,原数组不变
0    2.812936
1    1.073512
2    0.770453
3    0.382940
4   -0.620083
dtype: float64
------------
0    0.580068
1   -0.318154
2    0.506983
3    0.418464
4   -1.849126
Name: practice, dtype: float64
None practice 
------------
0    0.580068
1   -0.318154
2    0.506983
3    0.418464
4   -1.849126
Name: ggg, dtype: float64
ggg practice

1.2 series的创建

# Series 创建方法一:由字典创建,字典的key就是index,values就是values

dic = {'a':1, 'b':2, 'c':3, 'd':4}
s = pd.Series(dic)
print(s)

print('----------------')

# Series 创建方法二:由数组创建(一维数组)

ar = np.random.rand(5)
s = pd.Series(ar,index = ['a','b','c','d','e'],dtype = np.object)
print(s)

#  index参数:设置index,长度保持一致
#  dtype参数:设置数值类型
a    1
b    2
c    3
d    4
dtype: int64
----------------
a    0.0702124
b     0.660573
c     0.204302
d     0.305734
e    0.0667643
dtype: object
#  Series 创建方法三:由标量创建

s = pd.Series(10,index = range(4))
print(s)

# 如果data是标量值,则必须提供索引。该值会重复,来匹配索引的长度
0    10
1    10
2    10
3    10
dtype: int64

2.Series 的索引

Series 的索引有多重方法:
位置下标/标签索引/切片索引/布尔型索引

2.1 位置下标索引

#位置下标索引,类似序列形式的索引

s= pd.Series(np.random.rand(5))
print(s)
print(s[0],type(s[0]))      

print('----------------')

print(float(s[1]),type(float(s[1])))
# print(s[-1])       #index为数字的时候,下标必须与index相同,但如果是字符的,则可以这样表示


# 位置下标从0开始
# 输出结果为numpy.float格式,
# 可以通过float()函数转换为python float格式
# numpy.float与float占用字节不同
0    0.800861
1    0.044771
2    0.314755
3    0.118102
4    0.143970
dtype: float64
0.800860827506 
----------------
0.044770718909993956 

2.2 标签索引

#标签索引

s = pd.Series(np.random.rand(5),index = (i for i in 'abcde'))
print(s)
print(s[-2])      #  因为index为字符,所以位置索引可以使用负数来表示从后至前索引
print(s['a'])      #  因为index为字符,所以索引也要用字符

print('------------')

print(s[['a','b','c']])    #当需要所以多个标签时,要再加个中括号[[]] 来表示
print(s[['b','a','c']])   #索引的结果是一个新的series。
a    0.049365
b    0.390323
c    0.378763
d    0.445687
e    0.161719
dtype: float64
0.44568734186
0.0493651688956
------------
a    0.049365
b    0.390323
c    0.378763
dtype: float64
b    0.390323
a    0.049365
c    0.378763
dtype: float64

2.3 切片

# 切片


s1 = pd.Series(np.random.randint(0,5,5))
s2 = pd.Series(np.random.randint(0,5,5), index = ['a','b','c','d','e'])

print(s1)
print(s2)

print('------------')

print(s1[1:4],s1[4])    #当index为数字时,默认下标    左闭右开
print(s2['a':'c'])       #标签的   左闭右闭 即用index做切片 ,末端包含

print('------------')

print(s2[:-1])
print(s2[::2])
# 下标索引做切片,和list写法一样
0    2
1    3
2    4
3    1
4    2
dtype: int32
a    1
b    1
c    3
d    3
e    4
dtype: int32
------------
1    3
2    4
3    1
dtype: int32 2
a    1
b    1
c    3
dtype: int32
------------
a    1
b    1
c    3
d    3
dtype: int32
a    1
c    3
e    4
dtype: int32

2.4 布尔索引

# 布尔索引


s = pd.Series(np.random.rand(3)*100)
s[4] = None  # 添加一个空值
print(s)

print('---------')

bs1 = s > 50
bs2 = s.isnull()
bs3 = s.notnull()
print(bs1, type(bs1), bs1.dtype)
print(bs2, type(bs2), bs2.dtype)
print(bs3, type(bs3), bs3.dtype)
0    57.9164
1    30.0486
2    19.5511
4       None
dtype: object
0     True
1    False
2    False
4    False
dtype: bool  bool
0    False
1    False
2    False
4     True
dtype: bool  bool
0     True
1     True
2     True
4    False
dtype: bool  bool
-----

3.Series的基本操作

3.1 数据查看

#  数据查看


s = pd.Series(np.random.rand(50))
print(s.head())     #查看头部数据,默认前5条。
print('--------------')
print(s.tail())       # 查看尾部数据,默认后5条
0    0.430977
1    0.641213
2    0.179040
3    0.512488
4    0.310470
dtype: float64
45    0.968748
46    0.997701
47    0.460488
48    0.732198
49    0.942010
dtype: float64

3.2 重新索引

# 重新索引
''' .reindex 将会根据索引重新排列,如果当前索引不存在,则引入缺失值。其并不是改变
    索引名字的方法。'''

s = pd.Series(np.random.rand(3),index = ['a','b','c'])
print(s)
print('----------')

s1 = s.reindex(i for i in 'abdf')
s2 = s.reindex(['c','e','a'],fill_value = 2)   # fill_value参数:填充缺失值的值
print(s1)
print(s2)
a    0.125701
b    0.141712
c    0.236020
dtype: float64
----------
a    0.125701
b    0.141712
d         NaN
f         NaN
dtype: float64
c    0.236020
e    2.000000
a    0.125701
dtype: float64

3.3 Series 对齐

# Series对齐


s1 = pd.Series(np.random.rand(3), index = ['Jack','Marry','Tom'])
s2 = pd.Series(np.random.rand(3), index = ['Wang','Jack','Marry'])
print(s1)
print(s2)

print('----------')

print(s1 + s2)

# Series 和 ndarray 之间的主要区别是,Series 上的操作会根据标签自动对齐
# index顺序不会影响数值计算,以标签来计算
# 空值和任何值计算结果扔为空值
Jack     0.053361
Marry    0.514777
Tom      0.619459
dtype: float64
Wang     0.700763
Jack     0.444763
Marry    0.277073
dtype: float64
----------
Jack     0.498124
Marry    0.791850
Tom           NaN
Wang          NaN
dtype: float64

3.4 Series 删除

# 删除:.drop

s = pd.Series(np.random.rand(4),index = list('abcd'))
print(s)
print(s.drop('d'))
print(s.drop(['b','a']))    #同索引的方法,多个标签要使用[[]] 。

# 可以看出 .drop 删除元素后返回的是一个副本,原数据并没有改动 
a    0.549108
b    0.493618
c    0.608829
d    0.584887
dtype: float64
a    0.549108
b    0.493618
c    0.608829
dtype: float64
c    0.608829
d    0.584887
dtype: float64

3.5 Series 添加

# 添加


s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = list('abcde'))
print(s1)
print(s2)
s1[5] = 100
s2['j'] = 100
print(s1)
print(s2)
print('-----')
# 直接通过下标索引/标签index添加值

s3 = s1.append(s2)
print(s3)
# 通过.append方法,直接添加一个series
# .append方法生成一个新的Series,不改变之前的series
0    0.414305
1    0.911936
2    0.961386
3    0.152618
4    0.262118
dtype: float64
a    0.547247
b    0.205410
c    0.826322
d    0.725367
e    0.674161
dtype: float64
0      0.414305
1      0.911936
2      0.961386
3      0.152618
4      0.262118
5    100.000000
dtype: float64
a      0.547247
b      0.205410
c      0.826322
d      0.725367
e      0.674161
j    100.000000
dtype: float64
-----
0      0.414305
1      0.911936
2      0.961386
3      0.152618
4      0.262118
5    100.000000
a      0.547247
b      0.205410
c      0.826322
d      0.725367
e      0.674161
j    100.000000
dtype: float64

3.6 Series修改

# 修改

s = pd.Series(np.random.rand(3), index = ['a','b','c'])
print(s)
s['a'] = 100
s[['b','c']] = 200
print(s)
# 通过索引直接修改,类似序列
a    0.256797
b    0.531642
c    0.133652
dtype: float64
a    100.0
b    200.0
c    200.0
dtype: float64