【Python数据分析之pandas01】两个常用的数据结构
Series
- series可以看做是一个定长的有序字典,与一维数组形式相同,区别是series的索引可以是任意数据类型。
- series本身拥有一个name属性,它的index也有自己的name属性(这条性质为下文中series传入DataFrame提供基础)。
- 传入:可以传入一维数组或字典。传入时,可以修改其索引。
#导入数组
a = np.array([1,2,3,4,5])
series1 = pd.Series(a)
print(series1)
print('*'*20)
#传入时修改索引
series2 = pd.Series(a,index=(['a','b','c','d','e']))
print(series2)'''
结果:
0 1
1 2
2 3
3 4
4 5
dtype: int32
********************
a 1
b 2
c 3
d 4
e 5
dtype: int32
'''
传入字典时,Series中的索引就是原字典的索引。
#传入字典
dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series'''
结果:
first 1
forth 4
second 2
third 3
dtype: int64
'''
修改其索引时,若新定义索引在原字典中不存在,则它的值会被赋为NaN。
dic1 = {"first":1,'second':2,'third':3,'forth':4}
index1 = ['01','second','03','forth']
dic_series = pd.Series(dic1,index=index1)
dic_series'''
结果:
01 NaN
second 2.0
03 NaN
forth 4.0
dtype: float64
'''
Series索引还可以通过直接赋值的方式进行就地修改。
dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series.index=['01','02','03','04']
dic_series'''
结果:
01 1
02 4
03 2
04 3
dtype: int64
'''
- series本身拥有一个name属性,它的index也有自己的name属性(这条性质为下文中series传入DataFrame提供基础)。
dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series.name = 'letter'
dic_series.index.name = 'number'
dic_series'''
结果:
number
first 1
forth 4
second 2
third 3
Name: letter, dtype: int64
'''
DataFrame
实质是有索引的字典。
传入:可以传入多个列表或多个Series组成的字典传入,还可传入字典的字典。
- 用列表传入时,必须保证列表是等长的。列表外部的索引为列索引,并且DataFrame会自动补齐行索引。
data = {'first':[1,2,3],'second':[4,5,6],'third':[7,8,9]}
frame = pd.DataFrame(data)
frame
结果如下:
- 用series字典传入时,series原带的索引为列索引,series的name属性为行索引。
s1 = pd.Series({'one':1,'two':2,'three':3},name='first')
s2 = pd.Series({'one':4,'two':5,'three':6},name='second')
s3 = pd.Series({'one':7,'two':8,'three':9},name='third')
frame = pd.DataFrame([s1,s2,s3])
frame
结果如下:
同理,数组传入时,外部索引为列索引,内部索引为行索引。
dict1 = {"neveda":{2001:2.4,2002:2.9},"ohio":{2001:1.7,2002:3.6}}
frame = pd.DataFrame(dict1)
frame
结果如下:
【Python数据分析之pandas01】两个常用的数据结构相关推荐
- Python 数据分析第二期--简述数据集常用格式及操作
Python 数据分析第二期–简述数据常用格式及操作 1.常用格式的本地数据读取 常用的数据分析文件格式有: csv,json,xls,xlsx,txt,xml,等 TXT txt文件由字 ...
- python数据分析 - numpy | ndarray数组 | numpy常用函数
文章目录 数据分析 numpy概述 numpy历史 numpy的核心:多维数组 numpy基础 ndarray数组 内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象的创 ...
- 网易云课堂Python数据分析实战前两章(跟小蚊子老师学数据分析)
第一章节 Python与数据分析概况 1 数据分析概况 1.1 什么是数据分析 数据分析简单来说就是对数据进行分析,专业的说法是数据分析是指使用适当的分析方法,对收集的数据进行分析,总结规律,提炼出有 ...
- python数据分析002—python基础语法
本文为在猴子老师社群中学习python数据分析的第二关任务,主要是学习python中的一些基础语法,并通过一些简单代码展示出来. 数据类型:字符串(String)¶#案例1:定义字符串 nameStr ...
- Python数据分析pandas入门(一)------十分钟入门pandas
Python数据分析基础 一.导入常用库 二.创建对象 三.查看数据 四.选取 五.通过标签选取 六.通过位置选取 七.布尔索引 八.赋值 九.缺失值处理 十.运算与统计 十一.Apply函数的作用 ...
- python 数据分析班_Python数据分析班
第一课 Python入门 知识点1:Python安装 知识点2:常用数据分析库NumPy.Scipy.Pandas.matplotlib安装 知识点3:常用高级数据分析库scikit-learn.NL ...
- python适合机器视觉_Python机器视觉编程常用数据结构与示例
本文总结了使用Python进行机器视觉(图像处理)编程时常用的数据结构,主要包括以下内容: 数据结构 序列操作:索引(indexing).分片(slicing).加(adding).乘(multipy ...
- Python数据分析(三)matplotlib折线图应用实例——自定义图形风格
往期推荐: Python数据分析(一)matplotlib基础绘图和调整x轴刻度 Python数据分析(二)matplotlib折线图应用实例--绘制10点到12点的气温 Python数据分析(四)m ...
- python数据分析6:双色球 使用线性回归算法预测下期中奖结果
友情提示:双色球预测分析只为练习技术,不要抱着预测中大奖的心态,不可能预测准确. python数据分析1:获取双色球历史信息 python数据分析2:双色球 蓝红球分析统计 python数据分析3:双 ...
最新文章
- 世界机器人大会特种机器人报到高难度的高危险的活让它们来!
- hdu 1116 欧拉路
- 干货来袭!游戏建模初学者该怎样学习?
- Maven pom.xml中的元素modules、parent、properties以及import
- 学会这个技能,让你的Fitnesse锦上添花
- 天梯——赌马 (20 分)
- Android实现QQ登录
- ll文件显示为?????_关于shell编程中的文件测试简单的操作实例
- 18.1 集群介绍 18.2 keepalived介绍 18.3/18.4/18.5 用keepalived配置高可用集群
- 服务器密闭通道天窗维修,机柜及密闭通道技术规范
- 并集、交集、差集、补集的概念是什么?
- jks bks 等的定义 如何将jks转化为bks的
- Spring Cloud Gateway 集成Sa-Token
- 【ACWing】195. 骑士精神
- 2020 的吉光片羽
- 系统流程图,程序流程图和数据流图
- python如何暂停计时器_python怎么设置计时器
- Java网络编程(一):五种I/O模型
- LeetCode题解(0857):雇佣K名工人的最低成本(Python)
- 数据库一对一 一对多 多对多关系
热门文章
- 人工智能如何入门学习?前景如何
- mac安装jekyll
- EF An error occurred while updating the entries. See the inner exception for details.
- DanmuPlayer插件获取数据库弹幕——ssm弹幕应用
- 公司注册的种类及英文缩写
- “碳排放”挑战当前,维谛技术(Vertiv)带来节能改造最佳实践
- win10 无法修改时间,自动设置时间灰色
- 【生活篇】微信运动刷步,高达98000!微信运动计步作弊教程!
- 47、建筑设置避难间时,对避难间的要求
- netlink使用方法