1 Pandas介绍

2008年WesMcKinney开发出的库专门用于数据挖掘的开源python库以Numpy为基础，借力Numpy模块在计算方面性能高的优势基于matplotlib，能够简便的画图独特的数据结构

Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？

增强图表可读性便捷的数据处理能力读取文件方便封装了Matplotlib、Numpy的画图和计算

2 Pandas数据结构

Pandas中一共有三种数据结构，分别为：Series、DataFrame和MultiIndex（老版本中叫Panel ）。

其中Series是一维数据结构，DataFrame是二维的表格型数据结构，MultiIndex是三维的数据结构。

2.1 Series

Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。

2.1.1 Series的创建

# 导入pandas import pandas as pd pd.Series(data=None, index=None, dtype=None)

参数：

data：传入的数据，可以是ndarray、list等index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。dtype：数据的类型

指定索引创建：

pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5]) 通过字典数据创建 color_count = pd.Series({'red':100, 'blue':200, 'green': 500, 'yellow':1000}) color_count

2.1.2 Series的属性

为了更方便地操作Series对象中的索引和数据，Series中提供了两个属性index和values

index color_count.index # 结果 Index(['blue', 'green', 'red', 'yellow'], dtype='object') values color_count.values # 结果 array([ 200, 500, 100, 1000])

当然也可以使用索引来获取数据：

color_count[2] # 结果 100

2.2 DataFrame

DataFrame是一个类似于二维数组或表格(如excel)的对象，既有行索引，又有列索引。

行索引，表明不同行，横向索引，叫index，0轴，axis=0列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

2.2.1 DataFrame的创建

# 导入pandas import pandas as pd pd.DataFrame(data=None, index=None, columns=None)

参数：

index：行标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。columns：列标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。

举例：创建学生成绩表

# 生成10名同学，5门功课的数据 score = np.random.randint(40, 100, (10, 5)) # 结果 array([[46, 93, 49, 70, 53], [42, 86, 65, 50, 87], [41, 74, 44, 87, 64], [62, 57, 45, 46, 86], [82, 46, 72, 85, 63], [82, 77, 61, 55, 41], [48, 41, 48, 52, 58], [90, 53, 95, 96, 78], [77, 49, 51, 76, 56], [79, 91, 75, 95, 66]])

但是这样的数据形式很难看到存储的是什么的样的数据，可读性比较差！！ 问题：如何让数据更有意义的显示？

# 使用Pandas中的数据结构 score_df = pd.DataFrame(score)

增加行、列索引： # 构造行索引序列 subjects = ["语文", "数学", "英语", "物理", "化学"] # 构造列索引序列 stu = ['同学' + str(i) for i in range(score.shape[0])] # 添加行索引 data = pd.DataFrame(score, columns=subjects, index=stu)

2.2.2 DataFrame的属性

shape data.shape # 结果 (10, 5) index DataFrame的行索引列表 data.index # 结果 Index(['同学0', '同学1', '同学2', '同学3', '同学4', '同学5', '同学6', '同学7', '同学8', '同学9'], dtype='object') columns DataFrame的列索引列表 data.columns # 结果 Index(['语文', '数学', '英语', '政治', '体育'], dtype='object') values 直接获取其中array的值 data.values array([[46, 93, 49, 70, 53], [42, 86, 65, 50, 87], [41, 74, 44, 87, 64], [62, 57, 45, 46, 86], [82, 46, 72, 85, 63], [82, 77, 61, 55, 41], [48, 41, 48, 52, 58], [90, 53, 95, 96, 78], [77, 49, 51, 76, 56], [79, 91, 75, 95, 66]]) T 转置 data.T

输出结果：

head(5)：显示前5行内容 （很常用） 如果不补充参数，默认5行。填入参数N则显示前N行 data.head(5) tail(5):显示后5行内容 如果不补充参数，默认5行。填入参数N则显示后N行 data.tail(5)

2.2.3 DatatFrame索引的设置

修改行列索引值 stu = ["学生_" + str(i) for i in range(score_df.shape[0])] # 必须整体全部修改 data.index = stu

注意：以下修改方式是错误的

# 错误修改方式 data.index[3] = '学生_3' # 错误 重设索引 reset_index(drop=False) 设置新的下标索引drop:默认为False，不删除原来索引，如果为True,删除原来的索引值 # 重置索引,drop=False data.reset_index() 以某列值设置为新的索引 set_index(keys, drop=True) keys : 列索引名成或者列索引名称的列表drop : boolean, default True.当做新的索引，删除原来的列 df = pd.DataFrame({'month': [1, 4, 7, 10], 'year': [2012, 2014, 2013, 2014], 'sale':[55, 40, 84, 31]}) df = df.set_index(['year', 'month'])

注：通过刚才的设置，这样DataFrame就变成了一个具有MultiIndex的DataFrame。

创作不易，白嫖不好，各位的支持和认可，就是我创作的最大动力，我们下篇文章见！

Dragon少年 | 文

如果本篇博客有任何错误，请批评指教，不胜感激 ！