【Python基礎(chǔ)】Pandas筆記---概述與數(shù)據(jù)結(jié)構(gòu)

點擊上方“潛心的Python小屋”關(guān)注我們，第一時間推送優(yōu)質(zhì)文章。

前言

大家好，我是潛心。因為最近做實驗發(fā)現(xiàn)Pandas的數(shù)據(jù)處理技術(shù)忘記了，所以準備系統(tǒng)的概述一下Pandas的使用方法。

本文約1.5k字，預計閱讀5分鐘。

Pandas概覽

Pandas?是 Python的核心數(shù)據(jù)分析支持庫，提供了快速、靈活、明確的數(shù)據(jù)結(jié)構(gòu)，旨在簡單、直觀地處理關(guān)系型、標記型數(shù)據(jù)。Pandas 的目標是成為 Python 數(shù)據(jù)分析實踐與實戰(zhàn)的必備高級工具，其長遠目標是成為最強大、最靈活、可以支持任何語言的開源數(shù)據(jù)分析工具。

數(shù)據(jù)結(jié)構(gòu)

Pandas 的主要數(shù)據(jù)結(jié)構(gòu)是 Series（一維數(shù)據(jù)）與 DataFrame（二維數(shù)據(jù)），這兩種數(shù)據(jù)結(jié)構(gòu)足以處理金融、統(tǒng)計、社會科學、工程等領(lǐng)域里的大多數(shù)典型用例。

為什么要有兩個數(shù)據(jù)結(jié)構(gòu)？?因為Pandas 數(shù)據(jù)結(jié)構(gòu)就像是低維數(shù)據(jù)的容器。比如，DataFrame 是 Series 的容器，Series 則是標量的容器。使用這種方式，可以在容器中以字典的形式插入或刪除對象。

Pandas 里，軸的概念主要是為了給數(shù)據(jù)賦予更直觀的語義，即用“更恰當”的方式表示數(shù)據(jù)集的方向。

Series

Series是帶標簽的一維數(shù)組，可存儲整數(shù)、浮點數(shù)、字符串、Python 對象等類型的數(shù)據(jù)，軸標簽統(tǒng)稱為索引。

創(chuàng)建Series對象：

s?=?pd.Series(data=None,?index=None)

其中，data可以為：數(shù)組、字典、標量等，index可選，長度必須與data一致，默認為數(shù)值型索引。

導入包：

import?pandas?as?pd
import?numpy?as?np

例：

In[5]:?pd.Series([1,?2,?3,?4,?5])
Out[5]:?
0????1
1????2
2????3
3????4
4????5
dtype:?int64
??
In[6]:?d?=?{'a':1,?'b':2,?'c':3}
In[7]:?pd.Series(d)
Out[7]:?
a????1
b????2
c????3
dtype:?int64

Dataframe

DataFrame?是由多種類型的列構(gòu)成的二維標簽數(shù)據(jù)結(jié)構(gòu), 是最常用的 Pandas 對象。

創(chuàng)建DataFrame對象：

df?=?pd.DataFrame(data=None,?index=None,?columns=None,?dtype=None)

其中，data可以為：一維二維的ndarray、列表、字典等，index為行標簽（索引），columns為列標簽（特征），dtype為對象類型。

例：

In[8]:?d?=?{'one':?pd.Series([1.,?2.,?3.],?index=['a',?'b',?'c']),?'two':?pd.Series([1.,?2.,?3.,?4.],?index=['a',?'b',?'c',?'d'])}
In[9]:?pd.DataFrame(d)
Out[9]:?
???one??two
a??1.0??1.0
b??2.0??2.0
c??3.0??3.0
d??NaN??4.0

In[10]:?l?=?[[1,?2,?3],?[4,?5,?6]]
In[11]:?pd.DataFrame(l,?columns=['a',?'b',?'c'])
Out[11]:?
???a??b??c
0??1??2??3
1??4??5??6

大小可變與數(shù)據(jù)復制

Pandas 所有數(shù)據(jù)結(jié)構(gòu)的值都是可變的，但數(shù)據(jù)結(jié)構(gòu)的大小并非都是可變的，比如，Series 的長度不可改變，但 DataFrame 里就可以插入列。

Pandas 里，絕大多數(shù)方法都不改變原始的輸入數(shù)據(jù)，而是復制數(shù)據(jù)，生成新的對象。一般來說，原始輸入數(shù)據(jù)不變更穩(wěn)妥。所以大多數(shù)方法都是返回一個對象，若不進行復制，那原對象不會進行改變。

In[12]:?df1?=?pd.DataFrame(d)
In[13]:?df2?=?df1.transpose()
In[14]:?df1
Out[14]:?
???one??two
a??1.0??1.0
b??2.0??2.0
c??3.0??3.0
d??NaN??4.0
In[15]:?df2
Out[15]:?
???????a????b????c????d
one??1.0??2.0??3.0??NaN
two??1.0??2.0??3.0??4.0

Pandas優(yōu)勢

Pandas的優(yōu)勢部分包括如下：

• 處理浮點與非浮點數(shù)據(jù)里的缺失數(shù)據(jù)，表示為?NaN；
• 大小可變：插入或刪除?DataFrame 等多維對象的列；
• 自動、顯式數(shù)據(jù)對齊：顯式地將對象與一組標簽對齊，也可以忽略標簽，在 Series、DataFrame 計算時自動與數(shù)據(jù)對齊；
• 強大、靈活的分組（group by）功能：拆分-應用-組合數(shù)據(jù)集，聚合、轉(zhuǎn)換數(shù)據(jù)；
• 把 Python 和 NumPy 數(shù)據(jù)結(jié)構(gòu)里不規(guī)則、不同索引的數(shù)據(jù)輕松地轉(zhuǎn)換為 DataFrame 對象；
• 基于智能標簽，對大型數(shù)據(jù)集進行切片、花式索引、子集分解等操作；

總結(jié)

Pandas 速度很快，適用于各個數(shù)據(jù)分析領(lǐng)域，它的數(shù)據(jù)結(jié)構(gòu)有Series和DataFrame兩種結(jié)構(gòu)，實際中主要是對DataFrame對象進行處理分析。接下來會根據(jù)各個實例數(shù)據(jù)集，如：鳶尾花、紅酒、乳腺癌數(shù)據(jù)集進行實際操作，鞏固Pandas數(shù)據(jù)分析技術(shù)。

參考文獻

[1]. Pandas中文文檔: https://www.pypandas.cn/docs/getting_started/overview.html