Pandas基本数据类型

import pandas as pd
import numpy as np

基本数据结构

• Series
  一维数组，与Numpy中的array类似，与Python中的List类似。Series能保存不同种数据类型。字符串、布尔值、数字都能保存在Series中。
• DataFrame
  二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

1、Pandas库的Series类型

一维Series可以用列表初始化

s = pd.Series([1,3,5,np.nan,6,8])
s

Out[]:
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

默认下标是数字，但可以修改


s = pd.Series([1,3,5,np.nan,6,8],index=['a','b','c','d','e','f'])
s

Out[]:
a    1.0
b    3.0
c    5.0
d    NaN
e    6.0
f    8.0
dtype: float64

索引：数据的行标签

s.index

Out[]:
Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')

值：

s.values

Out[]:
array([ 1.,  3.,  5., nan,  6.,  8.])

s[2]

Out[]:
5.0


s['a']

Out[]:
1.0

切片操作

s[2:5]			# 左开右闭

索引赋值：

s.index.name='索引'
s

Out:
索引
a    1.0
b    3.0
c    5.0
d    NaN
e    6.0
f    8.0
dtype: float64

s.index=[1,2,3,4,5,6]
s
 
Out[]:
1    1.0
2    3.0
3    5.0
4    NaN
5    6.0
6    8.0
dtype: float64

2、Pandas库的DataFrame类型

先构造个时间序列：

date = pd.date_range('20190130',periods=6)
date

Out[]:
DatetimeIndex(['2019-01-30', '2019-01-31', '2019-02-01', '2019-02-02',
               '2019-02-03', '2019-02-04'],
              dtype='datetime64[ns]', freq='D')

创建一个DataFrame结构：

# 默认情况
df = pd.DataFrame(np.random.randn(6,4))
df


Out[]:
0	1	2	3
0	-0.763025	0.300867	0.122908	0.553115
1	0.096414	-0.824670	-1.151473	0.774615
2	-0.858495	0.409791	0.425232	0.841326
3	-0.587433	-1.175765	1.409728	0.693573
4	-0.008313	0.986666	0.313205	-0.108581
5	-1.652439	-1.683581	0.515152	1.062231

# 指定行名
df = pd.DataFrame(np.random.randn(6,4),index=date)
df

Out[]:
0	1	2	3
2019-01-30	-0.032291	1.034165	-3.318587	-0.278843
2019-01-31	0.601556	0.762580	0.546680	-0.960772
2019-02-01	0.432969	0.818542	2.796366	0.920975
2019-02-02	-0.742998	-0.868394	1.671997	1.156050
2019-02-03	1.443198	-1.539142	-0.165005	2.061008
2019-02-04	-0.467950	0.206220	0.044831	0.380925

# 指定列名
df = pd.DataFrame(np.random.randn(6,4),index=date,columns=list('ABCD'))
df


Out[]:
A	B	C	D
2019-01-30	-0.137763	0.015278	0.079426	-1.793683
2019-01-31	1.412634	-0.423254	-0.188469	-1.971741
2019-02-01	0.925228	-0.416434	0.432288	0.700189
2019-02-02	1.575157	-0.276338	0.425863	-0.332686
2019-02-03	-1.097524	-0.098180	0.134335	-2.618035
2019-02-04	0.872670	0.104345	-0.759217	-1.540087

# 使用字典
df2 = pd.DataFrame({'A':1.,'B':pd.Timestamp('20191130'),'C':pd.Series(1,index=list(range(4)),dtype=float),'D':np.array([3]*4,dtype=int),'E':pd.Categorical(["test","train","test","train"]),'F':'abc'})
df2

Out[]:
A	B	C	D	E	F
0	1.0	2019-11-30	1.0	3	test	abc
1	1.0	2019-11-30	1.0	3	train	abc
2	1.0	2019-11-30	1.0	3	test	abc
3	1.0	2019-11-30	1.0	3	train	abc

查看数据

• 头尾数据
  head 和tail方法可以分别查看最前面几行和最后面几行的数据，默认为5

df.tail(3)


Out[]:
A	B	C	D
2019-02-02	1.575157	-0.276338	0.425863	-0.332686
2019-02-03	-1.097524	-0.098180	0.134335	-2.618035
2019-02-04	0.872670	0.104345	-0.759217	-1.540087

• 查看数据类型
  dtypes属性

df2.dtypes

Out[]:
A           float64
B    datetime64[ns]
C           float64
D             int32
E          category
F            object
dtype: object

• 查看下标【行名】属性

df.index

Out[]:
DatetimeIndex(['2019-01-30', '2019-01-31', '2019-02-01', '2019-02-02',
               '2019-02-03', '2019-02-04'],
              dtype='datetime64[ns]', freq='D')

• 查看列标【列名】属性：

df.columns

Out[]:
Index(['A', 'B', 'C', 'D'], dtype='object')

• 查看值

df.values

Out[]:
array([[-0.13776298,  0.01527819,  0.07942575, -1.79368276],
       [ 1.41263423, -0.42325441, -0.18846901, -1.97174079],
       [ 0.92522826, -0.41643405,  0.43228816,  0.70018932],
       [ 1.57515712, -0.27633845,  0.42586307, -0.33268635],
       [-1.09752417, -0.09818006,  0.1343351 , -2.61803483],
       [ 0.87266954,  0.10434451, -0.75921666, -1.54008747]])