2.基本数据类型Series和DataFrame

Series和DataFrame结构

---

DataFrame

DataFrame数据结构是一种二维的结构。整个DataFrame包括三个部分：

• 索引（index）
• 表头（column）
• 数值（data）

各列的数据类型可以不同。

Series

一维结构，带索引的一维数组，并且其中的数据类型一致。

DataFrame的任意一行或一列就是一个Series对象，比如我们通过.loc[0]获取到第一个样本：

sampel = data.loc[0]
print (sample)

Series对象的表现形式为：索引在左，取值在右。

从DataFrame中得到的Series会自动分配两个属性：name和dtype。
对于输出（print）的Series对象，最后的Name：0表示该样本为第一个样本，dtype：object表示数据类型为object。

可以通过.index和.values取出Series数据：

sample.index
sample.values

创建Series对象

---

最基本方式：

pd.Series(data,index=index)

其中data可以为：

• 一个ndarray
• 一个Python字典
• 一个标量值

从ndarray创建

Pandas支持重复的索引值，index必须与data（ndarry）一样长。

pd.Series(ndarry,index=['a','a','b','c'])

或者省略index，index会默认为整数0到n-1，n为数据长度。

pd.Series(ndarry)

从字典创建

Python字典中的键：值与Series中的索引：值对应。所以可以直接转换：

d={'a':0.12, 'b':0.33, 'c':-0.17}
pd.Series(d)

从标量创建

即用单个数值直接创建：

pd.Series(2,index=['a','b','c'])

Series对象的相关操作

---

数据索引与筛选

s=pd.Series(np.random.randn(4),index=['a','a','c','d'])

s[0]
#取第一个值
s[:2]
#取第1-3个值
s[[1,3]]
#取第1，3个值
s[s<s.mean()]

s['a']

s[['c','d']]

'c' in s
#输出：True

算术运算

s+3
#s的全部数值+3
np.abs(s)
#绝对值

在算术运算中，会自动通过index对齐数据，然后分别对index相同的数据计算。

唯一值与个数统计

unique()：返回Series去重后的数组。
values_counts()：查看每一个元素（data）的频数。
astype()：类型转换。如：

s1=s0.astype('float32')

Pandas包含的数据类型:

类型	说明
object	字符串或混合类型
int	整型
float	浮点型
datetime	时间类型
bool	布尔型

创建DataFrame对象

---

pd.DataFrame(data,index=index,columns=cloumns)

data允许为：

• 包含列表、字典或Series的字典
• 二维numpy.ndarray
• 一个Series
• 另一个DataFrame

从字典创建

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

从Series创建

s=pd.Series([1,2,3],index=['a','b','c'])
pd.DataFrame(s,columns=['first'])

DataFrame对象的相关操作

---

数据筛选

df[df['one'] > 1]

删除和添加一列

df['three'] = df['one'] + df['two']
df['flag'] = df['one'] > 1
#
df.insert(1, 'bar', df['one'])
#在位置1插入与one包含相同数据的一列bar
del df['flag']
#
bar = df.pop('bar')
#删除并将删除的值赋给bar

修改列名

d = {'one':'first'}
df.rename(columns=d)
#将one改为first

DataFrame的显示

---

DataFrame的显示可以调用pd.set_option()实现。

参数	含义
display.max_columns	如果列数超过该值，则使用截断浏览模式，中间的部分样本用省略号略过，默认值为20
display.max_rows	如果行数超过该值，则使用截断浏览模式，中间的部分样本用省略号略过，默认值为60

df = pd.read_csv('loandata.csv')
pd.set_option('display.max_columns', 5)
pd.set_option('display.max_rows', 4)
#最大行数为4行，最大列数为5列情况下的截断显示

索引

---

索引方法：

操作	语法	结果
选取某一列	df[col]	Series
通过标签选取某一行/列	df.loc[label]	Series
通过位置（整数表示）获取某一行/列	df.iloc[loc]	Series
通过切片方式获取多行/列	df[5:10]	DataFrame
通过布尔向量获取多行/列	df[bool_vec]	DataFrame

常用:

df.iloc[0]
#通过索引,得到一行的Series
df.loc['1','name']
#通过具体值