01科学计算库-1.3Pandas-1.3.2 Pandas数据类型

4.2 Pandas数据类型

学习目标

知道Pandas的Series类型
掌握Pandas的Dataframe类型
了解Pandas的MultiIndex与panel类型

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

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

1.Series

Series是一个类似于一维数组的数据类型，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。

1.1 Series的创建

python 复制代码

# 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

通过已有数据创建

指定内容，默认索引

less 复制代码

pd.Series(np.arange(10))

makefile 复制代码

# 运行结果
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

指定索引

ini 复制代码

pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])

makefile 复制代码

# 运行结果
1     6.7
2     5.6
3     3.0
4    10.0
5     2.0
dtype: float64

通过字典数据创建

ini 复制代码

color_count = pd.Series({'red':100, 'blue':200, 'green': 500, 'yellow':1000})
color_count

yaml 复制代码

# 运行结果
blue       200
green      500
red        100
yellow    1000
dtype: int64

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

bash 复制代码

color_count.index

# 结果
Index(['blue', 'green', 'red', 'yellow'], dtype='object')

values

ini 复制代码

color_count.values

# 结果
array([ 200,  500,  100, 1000])

也可以使用索引来获取数据：

ini 复制代码

color_count[2]

# 结果
100

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

2.1 DataFrame的创建

python 复制代码

# 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。

通过已有数据创建

举例一：

arduino 复制代码

pd.DataFrame(np.random.randn(2,3))

回忆咱们在前面直接使用np创建的数组显示方式，比较两者的区别。

举例二：创建学生成绩表

ini 复制代码

# 生成10名同学，5门功课的数据
score = np.random.randint(40, 100, (10, 5))

# 结果
array([[92, 55, 78, 50, 50],
       [71, 76, 50, 48, 96],
       [45, 84, 78, 51, 68],
       [81, 91, 56, 54, 76],
       [86, 66, 77, 67, 95],
       [46, 86, 56, 61, 99],
       [46, 95, 44, 46, 56],
       [80, 50, 45, 65, 57],
       [41, 93, 90, 41, 97],
       [65, 83, 57, 57, 40]])

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？

ini 复制代码

# 使用Pandas中的数据类型
score_df = pd.DataFrame(score)

给分数数据增加行列索引,显示效果更佳

效果：

增加行、列索引

ini 复制代码

# 构造列索引序列
subjects = ["语文", "数学", "英语", "政治", "体育"]

# 构造行索引序列
stu = ['同学' + str(i) for i in range(score_df.shape[0])]

# 添加行、列索引
data = pd.DataFrame(score, columns=subjects, index=stu)

2.2 DataFrame的属性

shape

bash 复制代码

data.shape

# 结果
(10, 5)

index

DataFrame的行索引列表

bash 复制代码

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

bash 复制代码

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

css 复制代码

data.values

array([[92, 55, 78, 50, 50],
       [71, 76, 50, 48, 96],
       [45, 84, 78, 51, 68],
       [81, 91, 56, 54, 76],
       [86, 66, 77, 67, 95],
       [46, 86, 56, 61, 99],
       [46, 95, 44, 46, 56],
       [80, 50, 45, 65, 57],
       [41, 93, 90, 41, 97],
       [65, 83, 57, 57, 40]])

转置

kotlin 复制代码

data.T

结果

head(5) ：显示前5行内容

如果不补充参数，默认5行。填入参数N则显示前N行

kotlin 复制代码

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

kotlin 复制代码

data.tail(5)

2.3 DatatFrame索引的设置

需求：

2.3.1 修改行列索引值

ini 复制代码

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

bash 复制代码

# 错误修改方式
data.index[3] = '学生_3'

2.3.2 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

sql 复制代码

# 重置索引,drop=False
data.reset_index()

ini 复制代码

# 重置索引,drop=True
data.reset_index(drop=True)

2.3.3 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

设置新索引案例

1、创建

yaml 复制代码

df = pd.DataFrame({'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})

   month  sale  year
0  1      55    2012
1  4      40    2014
2  7      84    2013
3  10     31    2014

2、以月份设置新的索引

yaml 复制代码

df.set_index('month')
       sale  year
month
1      55    2012
4      40    2014
7      84    2013
10     31    2014

3、设置多个索引，以年和月份

bash 复制代码

df = df.set_index(['year', 'month'])
df
            sale
year  month
2012  1     55
2014  4     40
2013  7     84
2014  10    31

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

3.MultiIndex与Panel

3.1 MultiIndex

MultiIndex是三维的数据类型;

多级索引（也称层次化索引）是pandas的重要功能，可以在Series、DataFrame对象上拥有2个以及2个以上的索引。

3.1.1 multiIndex的特性

打印刚才的df的行索引结果

lua 复制代码

df.index

MultiIndex(levels=[[2012, 2013, 2014], [1, 4, 7, 10]],
           labels=[[0, 2, 1, 2], [0, 1, 2, 3]],
           names=['year', 'month'])

多级或分层索引对象。

index属性

names:levels的名称
levels：每个level的元组值

lua 复制代码

df.index.names
# FrozenList(['year', 'month'])

df.index.levels
# FrozenList([[1, 2], [1, 4, 7, 10]])

3.1.2 multiIndex的创建

ini 复制代码

# 构造索引
arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']]
mi_index = pd.MultiIndex.from_arrays(arrays, names=('number', 'color'))

# 结果
MultiIndex(levels=[[1, 2], ['blue', 'red']],
           codes=[[0, 0, 1, 1], [1, 0, 1, 0]],
           names=['number', 'color'])

arduino 复制代码

mi_df = pd.DataFrame(np.random.normal(size=(4,4)),index=mi_index)
mi_df

结果：

3.2 Panel

3.2.1 panel的创建

class pandas.Panel(data=None , items=None , major_axis=None , minor_axis=None)

作用：存储3维数组的Panel类型
参数：
- data : ndarray或者dataframe
- items : 索引或类似数组的对象，axis=0
- major_axis : 索引或类似数组的对象，axis=1
- minor_axis : 索引或类似数组的对象，axis=2

ini 复制代码

p = pd.Panel(data=np.arange(24).reshape(4,3,2),
                 items=list('ABCD'),
                 major_axis=pd.date_range('20130101', periods=3),
                 minor_axis=['first', 'second'])

# 结果
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: A to D
Major_axis axis: 2013-01-01 00:00:00 to 2013-01-03 00:00:00
Minor_axis axis: first to second

3.2.2 查看panel数据

css 复制代码

p[:,:,"first"]
p["B",:,:]

注：==Pandas从版本0.20.0开始弃用==：推荐的用于表示3D数据的方法是通过DataFrame上的MultiIndex方法

4 小结

pandas的优势【了解】
- 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
series【知道】
- 创建
  - pd.Series([], index=[])
  - pd.Series({})
- 属性
  - 对象.index
  - 对象.values
DataFrame【掌握】
- 创建
  - pd.DataFrame(data=None, index=None, columns=None)
- 属性
  - shape -- 形状
  - index -- 行索引
  - columns -- 列索引
  - values -- 查看值
  - T -- 转置
  - head() -- 查看头部内容
    - tail() -- 查看尾部内容
- DataFrame索引
  - 修改的时候,需要进行全局修改
  - 对象.reset_index()
  - 对象.set_index(keys)
MultiIndex与Panel【了解】
- multiIndex:
  - 类似ndarray中的三维数组
  - 创建：
    - pd.MultiIndex.from_arrays()
  - 属性：
    - 对象.index
- panel：
  - pd.Panel(data, items, major_axis, minor_axis)
  - panel数据要是想看到,则需要进行索引到dataframe或者series才可以