pandas 学习心得(1):数据类型简介
简书阅读体验不佳(与有道云笔记的markdown解析不同)，因此建议进入传送门
jupyter notebook:pandas 学习心得(1):数据类型简介
这个系列是我学习《python数据科学手册》所做的笔记
用于个人备忘
顺便分享，因此存在不严谨的地方或者述说不清晰的地方
pandas 三大数据类型
- Series对象
- DataFrame对象
- Index对象
Series 对象
import numpy as np
import pandas as pd
Series 可理解为一个带索引(显示表示)的一维数组
Series 是通用的NumPy数组，numpy的ndarray数组通过隐式定义的整数索引获取数值(类似数学上的矩阵)，而pandas的Series对象用一种显式定义的索引与数值相互关联
data = pd.Series([3,6,5,4,1,8], index = ['a','b','c','d','e','f']) # 从list中创建Series对象
data
a 3
b 6
c 5
d 4
e 1
f 8
dtype: int64
获取数值的方式:
data['c']
5
Series 也可以理解为一种特殊的字典，它具有键-值对
data2_dict = {'a':3, 'b':6, 'c':5} # 从字典中创建Series对象
data2 = pd.Series(data2_dict)
data2
a 3
b 6
c 5
dtype: int64
用字典创建Series对象时， 其索引按默认顺序排序，它是有序的。
可参照字典数值的获取方式来获取Series对象的值
data2['c']
5
需要注意的是，Series只会保留显式定义的键值对
data3 = pd.Series(data2_dict, index = ['b', 'c']) # 此处index 的元素必须是字典中的键
data3
b 6
c 5
dtype: int64
DataFrame 对象
- 相信我，下面的排版不是我想要的结果，还是进传送门吧
jupyter notebook:pandas 学习心得(1):数据类型简介
DataFrame 可理解为通用的 NumPy数组
也可将其看作有序排列的若干个 Series 对象。“排列”指的是 它们有相同的行索引
# 修改下data2 ，草草创建一个DataFrame对象
data2_dict['b'] = 9; data2_dict['c'] = 8
data3 = pd.Series(data2_dict)
df = pd.DataFrame({'data2':data2,
'data3':data3})
df
<div>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>data2</th>
<th>data3</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>3</td>
<td>3</td>
</tr>
<tr>
<th>b</th>
<td>6</td>
<td>9</td>
</tr>
<tr>
<th>c</th>
<td>5</td>
<td>8</td>
</tr>
</tbody>
</table>
</div>
因此，DataFrame也可理解为一种特殊的字典，含有键值对
DataFrame的创建
如果看到这里，你还在简书app内，请拖到顶端，进入传送门
- 通过单个Series创建
- 通过字典列表创建(外层是列表， 内部元素是字典)
- 通过Series对象字典创建(如上文,不说了）
- 通过NumPy 二维数组创建
- 通过结构化数组创建(感觉不实用，就不说了)
# 1.通过单个Series创建
pd.DataFrame(data2, columns = ['WTF???'])
<div>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>WTF???</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>3</td>
</tr>
<tr>
<th>b</th>
<td>6</td>
</tr>
<tr>
<th>c</th>
<td>5</td>
</tr>
</tbody>
</table>
</div>
# 2. 通过字典列表创建
dict1 = [{'a':i, 'b': 3*i}
for i in range(3)] # 首先通过推导式创建一个列表， 元素为 字典
print(dict1)
pd.DataFrame(dict1) # 行索引为隐式索引（默认），列索引为字典的键
[{'a': 0, 'b': 0}, {'a': 1, 'b': 3}, {'a': 2, 'b': 6}]
<div>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>a</th>
<th>b</th>
</tr>
</thead>
<tbody>
<tr>
<th>0</th>
<td>0</td>
<td>0</td>
</tr>
<tr>
<th>1</th>
<td>1</td>
<td>3</td>
</tr>
<tr>
<th>2</th>
<td>2</td>
<td>6</td>
</tr>
</tbody>
</table>
</div>
pd.DataFrame(np.random.randint(10, size = (3,2)),
columns = ['hhh','wtf'],
index = ['a', 'b', 'c'])
<div>
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>hhh</th>
<th>wtf</th>
</tr>
</thead>
<tbody>
<tr>
<th>a</th>
<td>3</td>
<td>2</td>
</tr>
<tr>
<th>b</th>
<td>0</td>
<td>7</td>
</tr>
<tr>
<th>c</th>
<td>4</td>
<td>4</td>
</tr>
</tbody>
</table>
</div>
Index 对象
- 不可变数组
- 有序集合(多集,可包含重复元素)
ind = pd.Index([2,5,1,2,6])
ind
Int64Index([2, 5, 1, 2, 6], dtype='int64')
可通过标准Python的取值方法获取数值，也可以用切片获取数值
如果尝试修改数值，则会报错
ind[0] = 1
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-12-5d87789215b7> in <module>()
----> 1 ind[0] = 1
D:\Anaconda3\lib\site-packages\pandas\core\indexes\base.py in __setitem__(self, key, value)
2048
2049 def __setitem__(self, key, value):
-> 2050 raise TypeError("Index does not support mutable operations")
2051
2052 def __getitem__(self, key):
TypeError: Index does not support mutable operations
可以对其进行集合的交(&)、并(|)
# 这段代码自己运行看看
indA = pd.Index([1,2,3])
indB = pd.Index([2,4,6])
print(indA & indB)
print(indA | indB)
注意，集合运算时，如果要对其中的每个元素进行操作时候，使用 & |
如果要对整个对象进行集合操作， 使用 and or
对于多元素的对象，只有当其数值都为0 或 都不为0时，整个对象才有 bool值
下面整个例子使用 and 求交集就报错了
# 自己运行看看
indA and indB
