Pandas的数据结构分析
Pandas中有两个主要的数据结构： Series 和 DataFrame，其中 Series 是一维的数据结构， DataFrame 是二维的、表格性的数据结构
Series
Series是一个类似于一维数组的对象，它能够保存任何数据类型，主要有一组数据和与之相关的索引两部分组成，如图：
; 创建Series对象
Pandas 的 Series 对象可以使用以下构造方法创建
class pandas.series(data=None, index=None, dtype=None,name=None,copy=False,fastpath=False)
- 传入列表构造 Series 对象，不传入
index参数，此时默认会创建一个 0~N 的整数索引
import pandas as pd
ser_obj = pd.Series([1,2,3,4])
ser_obj
- 指定索引创建 Series 对象，索引必须是唯一的，且与数据的长度相同
ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj
- 使用 dict 进行构建
student_data = {1:"小明", 2:"小张", 3:"小李", 4:"小乐"}
ser_obj = pd.Series(student_data)
ser_obj
- 指定数据类型
ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'],dtype='float64')
ser_obj
获取Series对象的索引和数据
获取 Series 对象的索引和数据，可以分别使用 Series 对象的 index属性和 value属性获取，索引和数据都是以对象的形式存在
ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj.index
ser_obj.values
获取单个值可以直接索引默认的索引
arr_obj[2]
DataFrame
DataFrame是一个类似于二维数组或表格的对象，它的每列数据可以是不同的数据类型。与Series对象相似，DataFrame 的结构也是由索引和数据组成的，不同的是，DataFrame 不仅有行索引，还有列索引
; 创建DataFrame
Pandas 的 DataFrame 类对象可以使用以下的构造方法创建：
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
其余参数的含义和 Series构造方法中的参数的含义一样
- 不指定索引创建,行索引列索引都是默认的
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']])
df_obj
- 指定索引创建
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj
获取DataFrame 对象的索引和数据
获取行索引和列索引
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj.index
df_obj.columns
获取数据
获取列的两种方法
- 通过列索引获取列数据
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj
df_obj[1]
- 通过属性获取列数据
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj
df_obj.c1
获取行的两种方法
loc[行标签名]
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj
df_obj.loc['x']
iloc[默认整数索引]
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj
df.iloc[1]
添加和删除数据
添加数据
要想为DataFrame添加一列数据，可以通过给列索引或者列名赋值的方式实现。新增列的长度必须和其他列的长度保持一致
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj
df_obj['c5'] = ['s','b']
df_obj
删除数据
要想删除一列数据，则可以使用 del语句实现
df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj
del df_obj[c1]
df_obj
Original: https://blog.csdn.net/qq2351227851/article/details/122020403
Author: 地铁洗涤感冒药
Title: Pandas之Series和DataFrame
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/753613/
转载文章受原作者版权保护。转载请注明原作者出处！