pandas中的Series和DataFrame的区别与转化

1.series数据类型

1. Series相当于数组numpy.array类似

Series 它是有索引,如果我们未指定索引,则是以数字自动生成。

obj=Series([4,7,-5,3])
 print obj
#输出结果如下:
0    4
1    7
2   -5
3    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.

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

2. Series操作

取值

print obj.values 
#[ 4  7 -5  3]

根据索引取值

obj2=Series([4,7,-5,3],index=['d','b','a','c'])
print obj2['a'] #输出结果:-5

2.1 Series.order()进行排序,而DataFrame则用sort或者sort_index

2.2 Series使用isnull来检测是否缺失数据

print pd.isnull(obj4)
#输出结果如下:
#California     True
#Ohio          False
#Oregon        False
#Texax         False
#dtype: bool

2.3 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。

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: float64
print  obj3+obj4
#California         NaN
#Ohio           70000.0
#Oregon         32000.0
#Texax         142000.0
#Utah               NaN
#dtype: float64

2.4 Series的索引可以通过赋值的方式就地修改

obj2.index=['Bob','Steven','Jeff','Ryan']
print obj2
#输出结果如下:
# Bob       4
# Steven    7
# Jeff     -5
# Ryan      3
# dtype: int64
obj2['Bob']=15
print obj2
#输出结果如下:
# Bob       15
# Steven     7
# Jeff      -5
# Ryan       3
# dtype: int64
print 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

3.DataFrame数据类型

DataFrame相当于有表格,有行表头和列表头

a=pd.DataFrame(np.random.rand(4,5),index=list("ABCD"),columns=list('abcde'))

pandas中的Series和DataFrame的区别与转化_第1张图片
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

import numpy as np
from numpy import random
import matplotlib.pyplot as plt
from numpy.linalg import inv,qr
from pandas import Series,DataFrame
import pandas as pd
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)

输出结果为
#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

5.DataFrame的操作

5.1 增加列或修改列

a['f']=[1,2,3,4]

pandas中的Series和DataFrame的区别与转化_第2张图片

5.2 增加行或修改行

a.ix['D']=10

pandas中的Series和DataFrame的区别与转化_第3张图片
5.3 合并两个DataFrame

S=pd.DataFrame(np.random.rand(4,6),index=list('EFGH'),columns=list('abcdef'))
a=a.append(S)

pandas中的Series和DataFrame的区别与转化_第4张图片
5.4 减少行或减少列

a=a.drop(['C','D']) #删除'C'行和'D'
a=a.drop('a',axis=1) #删除'a'列,
axis=0表示行,axis=1表示列

5.5 缺省值处理

a.iloc[2,3]=None #取第三行第4列值设为None
a.iloc[4,0]=None #取第五行第1列值设为None
a=a.fillna(5)  #缺省值处(即NaN处填充为5)

5.6 缺省值去行即有缺省值的把这一行都去掉

a.iloc[2,3]=None
a.iloc[4,0]=None
a=a.dropna() #删除缺省值为NaN的行

5.7 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)

5.8 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)

5.9 输出列的索引
print frame2.columns
#输出结果如下:
#Index([u’year’, u’state’, u’pop’, u’debt’], dtype=‘object’)

6.DataFrame和Series的转化

6.1 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.
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: object
print frame2.year
#输出结果如下:
#one 2000
#two 2001
#three 2002
#four 2001
#five 2002
#Name: year, dtype: int64

6.2 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
print frame2.ix[‘three’]
#输出的结果如下:
#year 2002
#state Ohio
#pop 3.6
#debt NaN
#Name: three, dtype: object

6.3 可以通过赋值的方式进行修改。
#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

7.可以输入给DataFrame构造器的数据:

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

你可能感兴趣的:(Python)