数据科学 IPython 笔记本 7.4 Pandas 对象介绍
7.4 Pandas 对象介绍
原文：Introducing Pandas Objects
译者：飞龙
协议：CC BY-NC-SA 4.0
本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。
在最基本的层面上，Pandas 对象可以认为是 NumPy 结构化数组的增强版本，其中行和列用标签而不是简单的整数索引来标识。我们将在本章的过程中看到，Pandas 在基本数据结构之上提供了许多有用的工具，方法和功能，但几乎所有后续内容都需要了解这些结构是什么。因此，在我们继续之前，让我们介绍这三个基本的 Pandas 数据结构：Series，DataFrame和Index。
我们将使用标准的 NumPy 和 Pandas 导入，来启动我们的代码会话：
import numpy as np
import pandas as pd
Pandas 序列对象
Pandas Series是带索引的数据的一维数组。它可以从列表或数组创建，如下所示：
data = pd.Series([0.25, 0.5, 0.75, 1.0])
data'''
0 0.25
1 0.50
2 0.75
3 1.00
dtype: float64
'''
我们在输出中看到，Series包含了一系列值和一系列索引，我们可以使用values和index属性来访问它们。
values只是一个熟悉的 NumPy 数组：
data.values# array([ 0.25, 0.5 , 0.75, 1. ])
index是类型为pd.Index的数组式对象，我们将在稍后详细讨论。
data.index# RangeIndex(start=0, stop=4, step=1)
与 NumPy 数组一样，可以通过熟悉的 Python 方括号表示法，按照相关索引访问数据：
data[1]# 0.5data[1:3]'''
1 0.50
2 0.75
dtype: float64
'''
然而，我们将要看到，Pandas Series比它模仿的一维 NumPy 数组更加通用和灵活。
作为扩展的 NumPy 数组的Series
从目前来看，Series对象看起来基本上可以与一维 NumPy 数组互换。本质区别在于索引的存在：虽然 Numpy 数组拥有隐式定义的整数索引，用于访问值，Pandas Series拥有显式定义的索引，与值关联。
这个显式索引的定义，为Series对象提供了额外的功能。例如，索引不必是整数，还可以包含任何所需类型的值。例如，如果我们愿意，我们可以使用字符串作为索引：
data = pd.Series([0.25, 0.5, 0.75, 1.0],index=['a', 'b', 'c', 'd'])
data'''
a 0.25
b 0.50
c 0.75
d 1.00
dtype: float64
'''
项目的访问像预期一样工作：
data['b']# 0.5
我们甚至可以使用非连续的索引：
data = pd.Series([0.25, 0.5, 0.75, 1.0],index=[2, 5, 3, 7])
data'''
2 0.25
5 0.50
3 0.75
7 1.00
dtype: float64
'''data[5]# 0.5
作为特化字典的序列
通过这种方式，你可以将 Pandas Series`视为 Python 字典的特化。字典是将任意键映射到一组任意值的结构，而Series是将类型化键映射到一组类型化值的结构。这种类型很重要：正如 NumPy 数组后面的特定于类型的编译代码，使其在某些操作方面，比 Python 列表更有效，PandasSeries``的类型信息使其比 Python 字典更有效。
通过直接从 Python 字典构造一个Series对象，可以使Series和字典的类比更加清晰：
population_dict = {'California': 38332521,'Texas': 26448193,'New York': 19651127,'Florida': 19552860,'Illinois': 12882135}
population = pd.Series(population_dict)
population'''
California 38332521
Florida 19552860
Illinois 12882135
New York 19651127
Texas 26448193
dtype: int64
'''
默认情况下，这将创建一个Series，其中索引是从有序键中提取的。从这里开始，我们可以执行典型的字典式的项目访问：
population['California']# 38332521
但是，与字典不同，Series也支持数组式的操作，例如切片：
population['California':'Illinois']'''
California 38332521
Florida 19552860
Illinois 12882135
dtype: int64
'''
我们将在“数据索引和选择”中讨论 Pandas 索引和切片的一些怪异之处。
构造序列对象
我们已经看到了从头开始构建 Pandas Series的几种方法；所有这些都是以下内容的某个版本：
>>> pd.Series(data, index=index)
其中index是一个可选参数，data可以是许多实体之一。
例如，data可以是列表或 NumPy 数组，在这种情况下index默认为整数序列：
pd.Series([2, 4, 6])'''
0 2
1 4
2 6
dtype: int64
'''
data可以是标量，被重复来填充指定的索引：
pd.Series(5, index=[100, 200, 300])'''
100 5
200 5
300 5
dtype: int64
'''
data可以是一个字典，其中index默认为有序的字典键：
pd.Series({2:'a', 1:'b', 3:'c'})'''
1 b
2 a
3 c
dtype: object
'''
在每种情况下，如果偏向不同的结果，则可以显式设置索引：
pd.Series({2:'a', 1:'b', 3:'c'}, index=[3, 2])'''
3 c
2 a
dtype: object
'''
请注意，在这种情况下，Series仅仅由明确标识的键填充。
Pandas 数据帧对象
Pandas 的下一个基本结构是DataFrame。与前一节中讨论的Series对象一样，DataFrame可以被认为是 NumPy 数组的扩展，也可以被认为是 Python 字典的特化。我们现在来看看这些观点。
作为扩展的 NumPy 数组的DataFrame
如果Series是具有灵活索引的一维数组的模拟，则DataFrame是具有灵活行索引和灵活列名的二维数组的模拟。正如你可能将二维数组视为对齐的一维列的有序序列一样，你可以将DataFrame视为对齐的Series对象的序列。在这里，“对齐”是指它们共享相同的索引。
为了演示这一点，让我们首先构建一个新的Series，列出上一节讨论的五个州中的每个州的面积：
area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297,'Florida': 170312, 'Illinois': 149995}
area = pd.Series(area_dict)
area'''
California 423967
Florida 170312
Illinois 149995
New York 141297
Texas 695662
dtype: int64
'''
现在我们已经有了它，以及之前的``population`序列，我们可以使用字典来构造包含这些信息的单个二维对象：
states = pd.DataFrame({'population': population,'area': area})
states
| area | population | |
|---|---|---|
| California | 423967 | 38332521 |
| Florida | 170312 | 19552860 |
| Illinois | 149995 | 12882135 |
| New York | 141297 | 19651127 |
| Texas | 695662 | 26448193 |
就像Series对象一样，DataFrame有一个index属性，可以访问索引标签：
states.index# Index(['California', 'Florida', 'Illinois', 'New York', 'Texas'], dtype='object')
另外，DataFrame有columns属性，它是一个包含列标签的Index对象：
states.columns# Index(['area', 'population'], dtype='object')
因此，DataFrame可以认为是二维 NumPy 数组的扩展，其中行和列都具有用于访问数据的通用索引。
作为特化字典的DataFrame
同样，我们也可以将DataFrame视为字典的特化。
字典将键映射到值，DataFrame将列名称映射到列数据的Series。例如，要求'area'属性返回Series对象，包含我们之前看到的面积：
states['area']'''
California 423967
Florida 170312
Illinois 149995
New York 141297
Texas 695662
Name: area, dtype: int64
'''
注意这里潜在的混淆点：在一个二维 NumPy 数组中，data[0]将返回第一行。对于DataFrame，data ['col0']将返回第一列。因此，最好将DataFrame视为扩展的字典而不是扩展的数组，尽管两种看待这个情况的方式都是实用的。我们将在“数据索引和选择”中，探索更灵活的索引DataFrame的方法。
构造DataFrame对象
Pandas DataFrame可以通过多种方式构建。这里我们举几个例子。
来自单个Series对象
DataFrame是Series对象的集合，单列DataFrame可以从单个Series构造：
pd.DataFrame(population, columns=['population'])
| population | |
|---|---|
| California | 38332521 |
| Florida | 19552860 |
| Illinois | 12882135 |
| New York | 19651127 |
| Texas | 26448193 |
来自字典的列表
任何字典列表都可以制作成DataFrame。我们将使用简单的列表推导来创建一些数据：
data = [{'a': i, 'b': 2 * i}for i in range(3)]
pd.DataFrame(data)
| a | b | |
|---|---|---|
| 0 | 0 | 0 |
| 1 | 1 | 2 |
| 2 | 2 | 4 |
即使字典中的某些键丢失，Pandas 也会用NaN（即“非数字”）值填充它们：
pd.DataFrame([{'a': 1, 'b': 2}, {'b': 3, 'c': 4}])
| a | b | c | |
|---|---|---|---|
| 0 | 1.0 | 2 | NaN |
| 1 | NaN | 3 | 4.0 |
来自序列对象的字典
正如我们之前看到的那样，DataFrame也可以从Series对象的字典构造：
pd.DataFrame({'population': population,'area': area})
| area | population | |
|---|---|---|
| California | 423967 | 38332521 |
| Florida | 170312 | 19552860 |
| Illinois | 149995 | 12882135 |
| New York | 141297 | 19651127 |
| Texas | 695662 | 26448193 |
来自二维 NumPy 数组
给定一个二维数据数组，我们可以创建一个DataFrame，带有任何指定列和索引名称。如果省略，将为每个使用整数索引：
pd.DataFrame(np.random.rand(3, 2),columns=['foo', 'bar'],index=['a', 'b', 'c'])
| foo | bar | |
|---|---|---|
| a | 0.865257 | 0.213169 |
| b | 0.442759 | 0.108267 |
| c | 0.047110 | 0.905718 |
来自 NumPy 结构化数组
我们在“结构化数据：NumPy 的结构化数组”：中介绍了结构化数组。Pandas DataFrame的原理与结构化数组非常相似，可以直接从它创建：
A = np.zeros(3, dtype=[('A', 'i8'), ('B', 'f8')])
A'''
array([(0, 0.0), (0, 0.0), (0, 0.0)], dtype=[('A', '<i8'), ('B', '<f8')])
'''pd.DataFrame(A)
| A | B | |
|---|---|---|
| 0 | 0 | 0.0 |
| 1 | 0 | 0.0 |
| 2 | 0 | 0.0 |
Pandas 索引对象
我们在这里看到，Series和DataFrame对象都包含显式的索引，它允许你引用和修改数据。这个Index对象本身就是一个有趣的结构，它可以认为是不可变数组或有序集合（技术上是一个多值集合，因为Index对象可能包含重复的值）。
这些观点在Index对象所提供的操作中，有一些有趣的结果。举个简单的例子，让我们从整数列表构造一个Index：
ind = pd.Index([2, 3, 5, 7, 11])
ind# Int64Index([2, 3, 5, 7, 11], dtype='int64')
作为不可变数组的索引
Index在很多方面都像数组一样。例如，我们可以使用标准的 Python 索引表示法来检索值或切片：
ind[1]# 3ind[::2]# Int64Index([2, 5, 11], dtype='int64')
`Index``对象也有许多来自 NumPy 数组的熟悉的属性：
print(ind.size, ind.shape, ind.ndim, ind.dtype)# 5 (5,) 1 int64
Index对象和NumPy数组之间的一个区别是，索引是不可变的 - 也就是说，它们不能通过常规方式修改：
ind[1] = 0'''
---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-34-40e631c82e8a> in <module>()
----> 1 ind[1] = 0/Users/jakevdp/anaconda/lib/python3.5/site-packages/pandas/indexes/base.py in __setitem__(self, key, value)1243 1244 def __setitem__(self, key, value):
-> 1245 raise TypeError("Index does not support mutable operations")1246 1247 def __getitem__(self, key):TypeError: Index does not support mutable operations
'''
这种不变性使得，在多个DataFrame和数组之间共享索引更安全，避免了由无意的索引修改而导致的潜在的副作用。
作为有序集合的索引
Pandas 对象旨在促进一些操作，例如跨数据集的连接，这取决于集合运算的许多方面。Index对象遵循 Python 内置的set数据结构使用的许多约定，因此可以用熟悉的方式计算并集，交集，差集和其他组合：
indA = pd.Index([1, 3, 5, 7, 9])
indB = pd.Index([2, 3, 5, 7, 11])indA & indB # 交集# Int64Index([3, 5, 7], dtype='int64')indA | indB # 并集# Int64Index([1, 2, 3, 5, 7, 9, 11], dtype='int64')indA ^ indB # 对称差集# Int64Index([1, 2, 9, 11], dtype='int64')
这些操作也可以通过对象方法访问，例如indiA.intersection(imdB)。
数据科学 IPython 笔记本 7.4 Pandas 对象介绍相关推荐
- 数据科学 IPython 笔记本 7.3 Pandas 数据操作
7.3 Pandas 数据操作 原文:Data Manipulation with Pandas 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(P ...
- 数据科学 IPython 笔记本 7.6 Pandas 中的数据操作
7.6 Pandas 中的数据操作 原文:Operating on Data in Pandas 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(P ...
- 数据科学 IPython 笔记本 7.1 Pandas
7.1 Pandas 原文:Pandas 译者:飞龙 协议:CC BY-NC-SA 4.0 致谢:这个笔记摘自 Wes McKinney 的著作 <Python 数据分析>(Python ...
- 数据科学 IPython 笔记本 翻译完成
原文:donnemartin/data-science-ipython-notebooks 译者:飞龙 协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以 ...
- 数据科学 IPython 笔记本 7.15 高性能 Pandas
# 7.15 高性能 Pandas:eval()和query() 原文:High-Performance Pandas: eval() and query() 译者:飞龙 协议:CC BY-NC-SA ...
- 数据科学 IPython 笔记本 8.9 自定义图例
8.9 自定义图例 原文:Customizing Plot Legends 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data ...
- 数据科学 IPython 笔记本 8.3 Matplotlib 可视化
8.3 Matplotlib 可视化 原文:Visualization with Matplotlib 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册> ...
- 数据科学 IPython 笔记本 8.12 文本和注解
8.12 文本和注解 原文:Text and Annotation 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Scie ...
- 数据科学 IPython 笔记本 8.4 简单的折线图
8.4 简单的折线图 原文:Simple Line Plots 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Scienc ...
最新文章
- ping ip 端口_学生会私房菜【20200305期】——Ping命令及其常用参数详解
- jquery遍历json的几种方法
- InnoDB Master Thread I/O Rate详解
- flex如何做响应式设计_响应式设计-您做错了！
- php开发环境 ubuntu,Ubuntu配置PHP开发环境
- 你说，Redis如何实现键值自动清理？
- 查看docker内部路径_web应用在Docker容器中部署（Windows）
- Rust 语言本身的问题
- HttpClient 教程 (六)
- vs2019创建c语言,Visual Studio 2019安装、测试创建c语言项目(图文教程)
- ISL68124与PMBUS
- OpenCore引导配置说明第五版
- Windows Server 2008 R2远程桌面服务配置和授权激活
- 苹果App签名工具有哪些？
- i5处理器学计算机怎么设置,处理器怎么超频 酷睿i3/i5/i7系列CPU超频详细教程 (全文)...
- 洛谷 P1873 砍树 (二分答案)
- Matlab-图片上画线
- [IJCAI2016]Makeup Like a Superstar: Deep Localized Makeup Transfer Network
- 双十一销量预测_双十一历年销售额盘点 2020年双十一销售额预测
- LIGO 用 Python 分析引力波数据
热门文章
- html有4个li怎么选择第二个,如何在html中使用两个具有不同属性的Li？
- php一个入口 nginx 自动带斜线,Nginx 自动加斜杠
- java instance关键字_Java中instanceof关键字和isInstance()方法的区别是什么
- 基于python的自动化测试工具_基于Python语言的自动化测试
- 如何导出android studio程序,（技术）聊聊Android Studio 如何生成Jar
- Nginx基本数据结构之ngx_array_t
- (8)Linux内核中的hash与bucket
- mysql二级缓存redis_redis实现二级缓存
- 安徽省第二次计算机水平考试,2006第二次安徽省计算机水平考试试卷(ACCESS).doc...
- C++的STL标准模板库思维导图