数据分析之pandas(一)

数据分析之pandas(一)

简介

pandas 是基于Numpy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

数据结构

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

Time- Series：以时间为索引的Series。

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。

Panel ：三维的数组，可以理解为DataFrame的容器。

Panel4D：是像Panel一样的4维数据容器。

PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

一、series

序列(Series)是由一组数据（各种NumPy数据类型），以及一组与之相关的数据标签（索引）组成，序列不要求数据类型是相同的。

序列是一个一维数组，只有一个维度（或称作轴）是行（row），在访问序列时，只需要设置一个索引。pandas自动为序列创建了一个从0开始到N-1的序号，称作行的下标，行的位置。可以显式设置index参数，为每行设置标签，pandas把标签称作索引。用户可以通过索引、也可以通过位置来访问Series对象中的元素。

序列可以看作是索引到数据值的一个映射，一个索引对应一个数据值，这种结构就是有序的字典。

简而言之，序列就是一组带有标签的一维数组，标签可以看成索引。

1、创建序列的三种方法

序列的构造函数定义是：

pandas.Series(data=None, index=None, dtype=None, name=None, copy=False)

构造函数的参数：

• data：传递给序列的数据，可以是ndarray、list或字典
• index：设置轴的索引，索引值的个数与data参数的长度相同。如果没有设置index参数，那么默认值是 np.arange(n)，或者 RangeIndex (0, 1, 2, …, n)。
• dtype：设置序列元素的数据类型，如果没有设置，那么将推断数据类型
• name：序列是一个多行的结构，name是序列的名称
• copy：复制数据，默认值是false

索引的下标是自动生成的，从0开始，加1递增。对于序列的data，可以通过序列的属性values来访问；对于序列的索引，可以通过序列的属性index来访问。

1.1、使用一维数组创建序列

import numpy as np
import pandas as pd
import string


s1  = pd.Series(np.arange(7))
print(s1)

0    0
1    1
2    2
3    3
4    4
5    5
6    6
dtype: int32

显式传递index参数

注意：在构造函数中传递自定义的索引列表，索引的长度必须和data的长度相同，如下所示：

sd1 = pd.Series(data = np.arange(5),index = list(string.ascii_uppercase[:5]))
print(sd1)

A    0
B    1
C    2
D    3
E    4
dtype: int32

显式设置序列的name和index的name

注意：序列是一维数组，只有一个维度，那就是row，在序列中为Index命名就是设置行轴的名称。

sd2 = pd.Series(data=['a','b'],index=pd.Index(['01','02'],name='index_name'),name='series_name')
print(sd2)

index_name
01    a
02    b
Name: series_name, dtype: object

1.2、使用列表创建序列