Pandas对象简介
Pandas的Series对象
Pandas 的 Series 对象是一个带索引数据构成的一维数组, Series 对象将一组数据和一组索引绑定在一起,我们可以通过 values 属性和 index 属性获取数据。values 属性返回的结果与 NumPy 数组类似,index 属性返回的结果是一个类型为 pd.Index 的类数组对象。
Serise是通用的NumPy数组
创建Series对象
经见过几种创建 Pandas 的 Series 对象的方法,都是像这样的形式:
pd.Series(data, index=index)
其中,index 是一个可选参数,data 参数支持多种数据类型。
data 可以是列表或 NumPy 数组,这时 index 默认值为整数序列; 也可以是一个标量,创建 Series 对象时会重复填充到每个索引上;还可以是一个字典,index 默认是排序的字典键;
Pandas的DataFrame对象
DataFrame是通用的NumPy数组
如果将 Series 类比为带灵活索引的一维数组,那么 DataFrame 就可以看作是一种既有灵活 的行索引,又有灵活列名的二维数组。就像你可以把二维数组看成是有序排列的一维数组 一样,你也可以把 DataFrame 看成是有序排列的若干 Series 对象。这里的“排列”指的是 它们拥有共同的索引。
和 Series 对象一样,DataFrame 也有一个 index 属性可以获取索引标签,另外,DataFrame 还有一个 columns 属性,是存放列标签的 Index 对象。
创建DataFrame对象
(1) 通过单个 Series 对象创建。DataFrame 是一组 Series 对象的集合,可以用单个 Series 创建一个单列的 DataFrame。
(2) 通过字典列表创建。任何元素是字典的列表都可以变成 DataFrame,即使字典中有些键不存在,Pandas 也会用缺失值 NaN(不是数字,not a number)来表示。
(3) 通过 Series 对象字典创建。
(4) 通过 NumPy 二维数组创建。假如有一个二维数组,就可以创建一个可以指定行列索引 值的 DataFrame。
(5) 通过NumPy 结构化数组创建
Pandas的Index对象
Pandas 的 Index 对象是一个很有趣的数据结构,可以将它看作是一个不可变数组或有序集合。
将Index看作不可变数组
Index 对象的许多操作都像数组。Index 对象与 NumPy 数组之间的不同在于,Index 对象的索引是不可变的,也就是说不能 通过通常的方式进行调整。
将Index看作有序集合
Pandas 对象被设计用于实现许多操作,如连接(join)数据集,其中会涉及许多集合操作。 Index 对象遵循 Python 标准库的集合(set)数据结构的许多习惯用法,包括并集【|】、交集【&】、 差集【 ^ 】等。
indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])
indA & indB # 交集 indA | in

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/130287.html