1. series相当于数组numpy.array类似
|
1
2
3
4
5
6
7
8
9
|
s1=pd.series([1,2,4,6,7,2])s2=pd.series([4,3,1,57,8],index=['a','b','c','d','e'])print s2obj1=s2.values# print obj1obj2=s2.index# print obj2# print s2[s2>4]# print s2['b'] |
1.series 它是有索引，如果我们未指定索引，则是以数字自动生成。
下面是一些例子：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
obj=series([4,7,-5,3])print obj#输出结果如下：# 0 4# 1 7# 2 -5# 3 3print obj.values #取出它的值#[ 4 7 -5 3]print obj.index #取出索引值#输出结果如下：# rangeindex(start=0, stop=4, step=1)obj2=series([4,7,-5,3],index=['d','b','a','c'])print obj2#输出结果如下：# d 4# b 7# a -5# c 3#可以通过索引的方式选择series中的单个或一组值print obj2['a'] #输出结果：-5print obj2['d'] #输出结是：4 |
2. series的一些操作
series.order()进行排序，而dataframe则用sort或者sort_index
|
1
|
print ratings_by_title.order(ascending=false)[:10] |
（1）numpy数组运算(根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引和值之间的链接
|
1
2
3
4
5
6
7
8
9
10
11
|
print obj2[obj2>0] #取出>0的值#输出结果如下：# d 4# b 7# c 3print obj2*2#输出结果如下：# d 8# b 14# a -10# c 6 |
（2）还可以将series看成是一个定长的有序字典，因为它是索引值到数据值的一个映射。它可以用在许多原来需要字典参数的函数中。
|
1
|
print 'b' in obj2 #obj2中有索引'b'?若有就返回'true' |
（3）如果数据被存在一个python字典中，也可以直接通过这个字典来创建series.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
sdata={'ohio':35000,'texax':71000,'oregon':16000,'utah':5000}obj3=series(sdata)print obj3#输出结果如下：# ohio 35000# oregon 16000# texax 71000# utah 5000#注：如果只传入一个字典，则结果series中的索引就是原字典的键(有序排列)states=['california','ohio','oregon','texax']obj4=series(sdata,index=states) #将sdata字典创建series,索引用states来创建print obj4#california在sdata中没有相应的值，故是nan缺省值# california nan# ohio 35000.0# oregon 16000.0# texax 71000.0 |
（4）pandas中的isnull和notnull函数可以用于检测缺失数据，series也有类似的方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
print pd.isnull(obj4)#输出结果如下：# california true# ohio false# oregon false# texax false# dtype: boolprint pd.notnull(obj4)#输出结果如下：# california false# ohio true# oregon true# texax true# dtype: boolprint obj4.isnull() #series的isnull方法#输出结果如下：# california true# ohio false# oregon false# texax false# dtype: bool |
（5）series最重要的一个功能是：它在算术运算中会自动对齐不同索引的数据。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
print obj3,obj4# ohio 35000# oregon 16000# texax 71000# utah 5000# dtype: int64## california nan# ohio 35000.0# oregon 16000.0# texax 71000.0# dtype: float64print obj3+obj4# california nan# ohio 70000.0# oregon 32000.0# texax 142000.0# utah nan# dtype: float64 |
（6）series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切
|
1
2
3
4
5
6
7
8
9
10
|
obj4.name='population'obj4.index.name='state'print obj4#输出如下：加上state和name# state# california nan# ohio 35000.0# oregon 16000.0# texax 71000.0# name: population, dtype: float64 |
（7）series的索引可以通过赋值的方式就地修改
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
obj2.index=['bob','steven','jeff','ryan']print obj2#输出结果如下：# bob 4# steven 7# jeff -5# ryan 3# dtype: int64obj2['bob']=15print obj2#输出结果如下：# bob 15# steven 7# jeff -5# ryan 3# dtype: int64print obj2['bob'].values #没有这种表示法，报错。因为类似字典取值，直接取键值即可print obj2.values #查看所有值 |
3. dataframe相当于有表格，有行表头和列表头
|
1
2
|
a=pd.dataframe(np.random.rand(4,5),index=list("abcd"),columns=list('abcde'))print a |
4.dataframe的一些操作
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
#增加列或修改列a['f']=[1,2,3,4]a['e']=10print aprint "======================="#增加行或修改行a.ix['d']=10# print as=pd.dataframe(np.random.rand(4,6),index=list('efgh'),columns=list('abcdef'))a=a.append(s)print aprint "======================="#切片print (a[['b','e']]) #取'b','e'列print a.loc['a':'d',['a','c','f']] #取'a'-'d'行'a','c','f'列print "======================="#减少行或减少列a=a.drop(['c','d']) #删除'c'行和'd'print aa=a.drop('a',axis=1) #删除'a'列,axis=0表示行，axis=1表示列print aprint "======================="#缺省值处理a.iloc[2,3]=none #取第三行第4列值设为nonea.iloc[4,0]=none #取第五行第1列值设为noneprint aa=a.fillna(5) #缺省值处(即nan处填充为5)print a#缺省值去行即有缺省值的把这一行都去掉a.iloc[2,3]=nonea.iloc[4,0]=noneprint aa=a.dropna() #删除缺省值为nan的行print aprint "======================="#读取excel,适当改动后，保存到excel中e1=pd.read_excel('test.xlsx',sheetname='sheet1')e1.columns=['class','no','name','sex','dormitory','phonenumber']print(e1)print(e1.ix[2])print(e1['class'])print(e1.sex)#可将取出的数据处理，处理完后再保存到excel中去e2=pd.read_excel('test_copy.xlsx',sheetname='sheet1',names='table1',header=none)e2.columns=['a','b','c','d']print(e2)e2.to_excel('test_write.xlsx',header=false,index=false) |
(1)构建dataframe 的方法很多，最常用的一种是直接传入一个由等长列表或者numpy数组组成的字典
|
1
2
3
4
5
6
|
import numpy as npfrom numpy import randomimport matplotlib.pyplot as pltfrom numpy.linalg import inv,qrfrom pandas import series,dataframeimport pandas as pd |
|
1
2
3
4
5
6
7
8
9
10
11
12
|
data={'state':['ohio','ohio','ohio','nevada','nevada'], 'year':[2000,2001,2002,2001,2002], 'pop':[1.5,1.7,3.6,2.4,2.9]}frame=dataframe(data)print frame#输出的结果如下：# pop state year# 0 1.5 ohio 2000# 1 1.7 ohio 2001# 2 3.6 ohio 2002# 3 2.4 nevada 2001# 4 2.9 nevada 2002 |
（2）如果指定了列序列，则dataframe的列就会按照指定的顺序进行排序
|
1
2
3
4
5
6
7
8
9
|
frame1=dataframe(data,columns=['year','state','pop'])print frame1#输出的结果如下：# year state pop# 0 2000 ohio 1.5# 1 2001 ohio 1.7# 2 2002 ohio 3.6# 3 2001 nevada 2.4# 4 2002 nevada 2.9 |
（3）跟series一样，如果传入的列在数据中找不到，就会产生na值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
frame2=dataframe(data,columns=['year','state','pop','debt'], index=['one','two','three','four','five']) #column列的索引，index是行的索引print frame2#输出的结果如下：# year state pop debt# one 2000 ohio 1.5 nan# two 2001 ohio 1.7 nan# three 2002 ohio 3.6 nan# four 2001 nevada 2.4 nan# five 2002 nevada 2.9 nanprint frame2.columns #输出列的索引#输出结果如下：# index([u'year', u'state', u'pop', u'debt'], dtype='object') |
（4）类似字典标记的方式或属性的方式，可以将dataframe的列获取为一个series.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
print frame2['state'] #取出列索引为state的列的数据#输出结果如下：# one ohio# two ohio# three ohio# four nevada# five nevada# name: state, dtype: objectprint frame2.year#输出结果如下：# one 2000# two 2001# three 2002# four 2001# five 2002# name: year, dtype: int64 |
（5）返回的series拥有原dataframe相同的索引，且其name属性也已经被相应地设置好了。行也可以通过位置或名称的方式进行获取
比如用索引字段ix,ix是取行的索引
|
1
2
3
4
5
6
7
|
print frame2.ix['three']#输出的结果如下：# year 2002# state ohio# pop 3.6# debt nan# name: three, dtype: object |
（6）可以通过赋值的方式进行修改。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
|
# frame2['debt']=16.5 #debt列全为16.5# print frame2#输出结果如下：# year state pop debt# one 2000 ohio 1.5 16.5# two 2001 ohio 1.7 16.5# three 2002 ohio 3.6 16.5# four 2001 nevada 2.4 16.5# five 2002 nevada 2.9 16.5#将列表或数组赋值给某个列时，其长度必须跟dataframe的长度相匹配。#如果赋值的是一个series,就会精确匹配dataframe的索引，所有的空位都将被填上缺失值。frame2['debt']=np.arange(5.)print frame2#输出结果如下：# year state pop debt# one 2000 ohio 1.5 0.0# two 2001 ohio 1.7 1.0# three 2002 ohio 3.6 2.0# four 2001 nevada 2.4 3.0# five 2002 nevada 2.9 4.0#赋值一个seriesval=series([-1.2,-1.5,-1.7],index=['two','four','five'])frame2['debt']=valprint frame2#输出结果如下：不在index中的索引的值都赋了nan# year state pop debt# one 2000 ohio 1.5 nan# two 2001 ohio 1.7 -1.2# three 2002 ohio 3.6 nan# four 2001 nevada 2.4 -1.5# five 2002 nevada 2.9 -1.7#为不存在的列赋值会创建出一个新列。关键字del用于删除列。frame2['eastern']=frame2.state=='ohio' #没有eastern列，固会自动增加一列#frame2.state=='ohio'如果等于则返回true,否则返回falseprint frame2# year state pop debt eastern# one 2000 ohio 1.5 nan true# two 2001 ohio 1.7 -1.2 true# three 2002 ohio 3.6 nan true# four 2001 nevada 2.4 -1.5 false# five 2002 nevada 2.9 -1.7 falsedel frame2['eastern'] #删除eastern列print frame2#返回结果如下：# year state pop debt# one 2000 ohio 1.5 nan# two 2001 ohio 1.7 -1.2# three 2002 ohio 3.6 nan# four 2001 nevada 2.4 -1.5# five 2002 nevada 2.9 -1.7print frame2.columns #查看frame2的列#输出结果如下：index([u'year', u'state', u'pop', u'debt'], dtype='object') |
（7）另一种常见的数据形式是嵌套字典(也就是字典的字典)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
pop={'nevada':{2001:2.4,2002:2.9}, 'ohio':{2000:1.5,2001:1.7,2002:3.6}}frame3=dataframe(pop)print frame3#输出的结果如下：# nevada ohio# 2000 nan 1.5# 2001 2.4 1.7# 2002 2.9 3.6#可以对frame进行转置print frame3.t#输出结果如下：# 2000 2001 2002# nevada nan 2.4 2.9# ohio 1.5 1.7 3.6print dataframe(pop,index=[2001,2002,2003])#输出结果如下：# nevada ohio# 2001 2.4 1.7# 2002 2.9 3.6# 2003 nan nanpdata={'ohio':frame3['ohio'][:-1], 'nevada':frame3['nevada'][:2]}print dataframe(pdata)#输出结果如下：# nevada ohio# 2000 nan 1.5# 2001 2.4 1.7 |
可以输入给dataframe构造器的数据：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
二维ndarray 数据矩阵，还可以传入行标和列标由数组、列表或元组组成的字典 每个序列会变成dataframe的一列，所有序列的长度必须相同numpy的结构化/记录数组 类似于“由数组组成的字典”由series组成的字典 每个series会成为一列。如果没显式指定索引，由各series的索引会被合 并成结果的行索引由字典组成的字典 各内层字典会成为一列。键会被合并成结果的行索引，跟“由series组成的字典” 的情况一样字典或series的列表 各项将会成为dataframe的一行。字典键或series索引的并集将会成为dataframe 的列标由列表或元组组成的列表 类似于“二维ndarray”另一个dataframe 该dataframe的索引将会被沿用，除非显式指定了其它索引numpy的maskedarray 类似于"二维ndarray"的情况，只是掩码值在结果dataframe会变成na/缺失值 |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#如果设置了dataframe的index和columns的name属性，则这些信息也会被显示出来：frame3.index.name='year';frame3.columns.name='state'print frame3#输出结果如下：# state nevada ohio# year# 2000 nan 1.5# 2001 2.4 1.7# 2002 2.9 3.6#跟series一样，values属性也会以二维ndarray的形式返回dataframe中的数据：print frame3.values# [[ nan 1.5]# [ 2.4 1.7]# [ 2.9 3.6]]#如果dataframe各列的数据类型不同，则值数组的数据类型就会选用能兼容所有列的数据类型print frame2.values# [[2000 'ohio' 1.5 nan]# [2001 'ohio' 1.7 -1.2]# [2002 'ohio' 3.6 nan]# [2001 'nevada' 2.4 -1.5]# [2002 'nevada' 2.9 -1.7]] |
以上这篇对pandas中两种数据类型series和dataframe的区别详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u012474716/article/details/78550391
