Pandas数据结构

Pandas处理以下三个数据结构 -

• 系列(Series)
• 数据帧(DataFrame)
• 面板(Panel)

这些数据结构构建在Numpy数组之上，这意味着它们很快。

维数和描述

考虑这些数据结构的最好方法是，较高维数据结构是其较低维数据结构的容器。 

例如，DataFrame是Series的容器，Panel是DataFrame的容器。

数据结构	维数	描述
系列	1	1D标记均匀数组，大小不变。
数据帧	2	一般2D标记，大小可变的表结构与潜在的异质类型的列。
面板	3	一般3D标记，大小可变数组。

构建和处理两个或更多个维数组是一项繁琐的任务，用户在编写函数时要考虑数据集的方向。 但是使用Pandas数据结构，减少了用户的思考。

例如，使用表格数据(DataFrame)，在语义上更有用于考虑索引(行)和列，而不是轴0和轴1。

可变性

所有Pandas数据结构是值可变的(可以更改)，除了系列都是大小可变的。系列是大小不变的。

注 - DataFrame被广泛使用，是最重要的数据结构之一。面板使用少得多。

系列

系列是具有均匀数据的一维数组结构。例如，以下系列是整数：10,23,56，...的集合。

关键点

• 均匀数据
• 尺寸大小不变
• 数据的值可变

数据帧

数据帧(DataFrame)是一个具有异构数据的二维数组。 例如，

姓名	年龄	性别	等级
Maxsu	25	男	4.45
Katie	34	女	2.78
Vina	46	女	3.9
Lia	女	x女	4.6

上表表示具有整体绩效评级组织的销售团队的数据。数据以行和列表示。每列表示一个属性，每行代表一个人。

列的数据类型

上面数据帧中四列的数据类型如下：

列	类型
姓名	字符串
年龄	整数
性别	字符串
等级	浮点型

关键点

• 异构数据
• 大小可变
• 数据可变

面板

面板是具有异构数据的三维数据结构。在图形表示中很难表示面板。但是一个面板可以说明为DataFrame的容器。

关键点

• 异构数据
• 大小可变
• 数据可变