一、Series 简介。
二、Series 创建方式。
三、Series 属性与方法。
四、DataFrame 简介。
五、DataFrame 创建方式。
六、DataFrame 属性与方法。
一、Series 简介。
Series是一维结构，由一组数据和一组与之相关的数据标签(索引)组成。序列结构只有行索引（row index），没有列名称（column name），但是序列有Name、dtype和index属性，其中Name属性是指序列的名称，dtype属性是指序列值的类型，index属性是序列的索引。
; 二、Series 创建方式。
1. ndarray创建
import pandas as pd
import numpy as np
data = np.array(['a', 'b', 'c', 'd', 'e'])
ds = pd.Series(data)
ds = pd.Series(data, index=np.arange(1,6))
2. 字典创建
import pandas as pd
import numpy as np
data = {
'a': 1.,
'b': 2.,
'c': 3.,
'd': 4.
}
ds = pd.Series(data)
ds = pd.Series(data, index=['d', 'c', 'b', 'a'])
ds = pd.Series(data, index=['b', 'c', 'a', 'f'])
3. 标量创建
如果数据是标量值，则必须提供索引。将重复该值以匹配索引的长度。
import pandas as pd
import numpy as np
ds = pd.Series(5, index=[0, 1, 2, 3])
三、Series属性与方法
1. 常用属性。
import pandas as pd
import numpy as np
data = {
'a': 1.,
'b': 2.,
'c': 3.,
'd': 4.
}
ds = pd.Series(data, index=['d', 'c', 'b', 'a'], name='number', dtype='float')
ds.name
ds.index
ds.values
ds.ndim
ds.shape
ds.size
ds.empty
2.常用方法
当然也可以通过单独的函数分别计算出上面的统计量。比如：ds.min(), ds.max(), ds.median(), ds.quantile(), ds.counts()… …
常用的统计函数都可以直接调用
import pandas as pd
import numpy as np
data = {
'a': 1.,
'b': 2.,
'c': 3.,
'd': 4.
}
ds = pd.Series(data, index=['d', 'c', 'b', 'a'], name='number', dtype='float')
ds.head(2)
ds.tail(2)
ds.describe()
四、DataFrame 简介。
DataFrame存储的是二维数据，数据框的结构由row和column构成，每一行都有一个row label，每一列都有一个column label，把row和column称作axis，把row label和column label称作axis label。通常情况下，column label 是文本类型，是列名称（column name），而row label是数值类型，也称作行索引（row index）。
多维数组存储二维或三维数据时，编写函数要注意数据集的方向，这对用户来说是一种负担，就像上一章讲过的numpy中，经常遇到要填参数axis，多少还是要过脑子思考一下的。不过在处理 DataFrame 等表格数据时，index（行）或 columns（列）比 axis 0 和 axis 1 更直观。用这种方式迭代 DataFrame 的列，代码更易读易懂。用”更恰当”的方式表示数据集的方向。这样做可以让用户编写数据转换函数时，少费点脑子。
; 五、DataFrame 创建方式。
创建一个DataFrame数组可以有多种方式，其中最为常用的方式就是利用包含等长度列表或Numpy数组的字典来创建。
1.ndarrays/Lists字典创建
import pandas as pd
import numpy as np
data = {'one':[1,2,3,4],'two':[4,3,2,1]}
df = pd.DataFrame(data)
df = pd.DataFrame(data, columns=['two', 'one'])
data = {'one':np.arange(1, 6, 1), 'two':np.arange(5, 0, -1)}
df = pd.DataFrame(data, columns=['two', 'one'], index=['a', 'b', 'c', 'd', 'e'])
2.Series创建
当然除了List和ndarray之外，也支持用pandas原生的Series生成DataFrame类型
import pandas as pd
import numpy as np
data = {
'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(data)
六、DataFrame的属性与方法。
DataFrame和Series有很多属性与方法都是通用的，不过在此基础上还增加了一些更多的方法供我们调用。
1. 常用属性
import pandas as pd
import numpy as np
data = {
'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(data)
df.index
df.columns
df.axes
df.values
type(df.values)
df.ndim
df.size
df.shape
print(df.shape[0])
print(df.shape[1])
2. 常用方法
import pandas as pd
import numpy as np
data = {
'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
}
df = pd.DataFrame(data)
df.head(3)
df.tail(3)
df.info()
df.describe()
Original: https://blog.csdn.net/qq_35240689/article/details/126990969
Author: 正在学习中的李斌
Title: Python pandas Series DataFrame 创建及基本属性和方法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/756574/
转载文章受原作者版权保护。转载请注明原作者出处！