Pandas的基本数据结构使用

series

series的创建

import pandas as pd
import numpy as np

pd.Series(np.arange(9))

0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
dtype: int32

pd.Series([11,22,33,44],index=[1,2,3,4])

1    11
2    22
3    33
4    44
dtype: int64

color_count = pd.Series({
     "red":10,"green":20,"blue":140})

color_count

red       10
green     20
blue     140
dtype: int64

series的属性

color_count.index

Index(['red', 'green', 'blue'], dtype='object')

color_count.values

array([ 10,  20, 140], dtype=int64)

color_count[0]

10

color_count[1]

20

DataFrame

DataFrame创建

pd.DataFrame(np.random.randn(2,3))

	0	1	2
0	-1.691948	-1.686023	-1.712956
1	0.942306	-0.128536	-0.652079

score = np.random.randint(40,100,(10,5))

score

array([[71, 82, 53, 41, 66],
       [93, 95, 85, 46, 55],
       [47, 94, 99, 70, 91],
       [64, 77, 78, 84, 58],
       [54, 72, 91, 75, 51],
       [60, 95, 88, 67, 78],
       [99, 62, 75, 67, 95],
       [69, 83, 65, 42, 75],
       [97, 99, 89, 77, 44],
       [75, 46, 87, 60, 83]])

score_df = pd.DataFrame(score)

score_df

	0	1	2	3	4
0	71	82	53	41	66
1	93	95	85	46	55
2	47	94	99	70	91
3	64	77	78	84	58
4	54	72	91	75	51
5	60	95	88	67	78
6	99	62	75	67	95
7	69	83	65	42	75
8	97	99	89	77	44
9	75	46	87	60	83

subjects=["语文","数学","英语","政治","体育"]
stu = ["student" + str(i) for i in range(score_df.shape[0])] # 列表生成式
data = pd.DataFrame(score, columns=subjects, index = stu)

stu

['student0',
 'student1',
 'student2',
 'student3',
 'student4',
 'student5',
 'student6',
 'student7',
 'student8',
 'student9']

data

	语文	数学	英语	政治	体育
student0	71	82	53	41	66
student1	93	95	85	46	55
student2	47	94	99	70	91
student3	64	77	78	84	58
student4	54	72	91	75	51
student5	60	95	88	67	78
student6	99	62	75	67	95
student7	69	83	65	42	75
student8	97	99	89	77	44
student9	75	46	87	60	83

DataFrame的属性

data.shape

(10, 5)

data.index

Index(['student0', 'student1', 'student2', 'student3', 'student4', 'student5',
       'student6', 'student7', 'student8', 'student9'],
      dtype='object')

data.values

array([[71, 82, 53, 41, 66],
       [93, 95, 85, 46, 55],
       [47, 94, 99, 70, 91],
       [64, 77, 78, 84, 58],
       [54, 72, 91, 75, 51],
       [60, 95, 88, 67, 78],
       [99, 62, 75, 67, 95],
       [69, 83, 65, 42, 75],
       [97, 99, 89, 77, 44],
       [75, 46, 87, 60, 83]])

data.T

	student0	student1	student2	student3	student4	student5	student6	student7	student8	student9
语文	71	93	47	64	54	60	99	69	97	75
数学	82	95	94	77	72	95	62	83	99	46
英语	53	85	99	78	91	88	75	65	89	87
政治	41	46	70	84	75	67	67	42	77	60
体育	66	55	91	58	51	78	95	75	44	83

data.head()

	语文	数学	英语	政治	体育
student0	71	82	53	41	66
student1	93	95	85	46	55
student2	47	94	99	70	91
student3	64	77	78	84	58
student4	54	72	91	75	51

data.tail()

	语文	数学	英语	政治	体育
student5	60	95	88	67	78
student6	99	62	75	67	95
student7	69	83	65	42	75
student8	97	99	89	77	44
student9	75	46	87	60	83

DataFrame索引值的设置

stu = ["同学_"+ str(i) for i in range(score_df.shape[0])]
data.index = stu

data

	语文	数学	英语	政治	体育
同学_0	71	82	53	41	66
同学_1	93	95	85	46	55
同学_2	47	94	99	70	91
同学_3	64	77	78	84	58
同学_4	54	72	91	75	51
同学_5	60	95	88	67	78
同学_6	99	62	75	67	95
同学_7	69	83	65	42	75
同学_8	97	99	89	77	44
同学_9	75	46	87	60	83

data.reset_index() # 重新设置索引 ,不删除原来的索引

	index	语文	数学	英语	政治	体育
0	同学_0	71	82	53	41	66
1	同学_1	93	95	85	46	55
2	同学_2	47	94	99	70	91
3	同学_3	64	77	78	84	58
4	同学_4	54	72	91	75	51
5	同学_5	60	95	88	67	78
6	同学_6	99	62	75	67	95
7	同学_7	69	83	65	42	75
8	同学_8	97	99	89	77	44
9	同学_9	75	46	87	60	83

data.reset_index(drop=True) # 删除原来索引

	语文	数学	英语	政治	体育
0	71	82	53	41	66
1	93	95	85	46	55
2	47	94	99	70	91
3	64	77	78	84	58
4	54	72	91	75	51
5	60	95	88	67	78
6	99	62	75	67	95
7	69	83	65	42	75
8	97	99	89	77	44
9	75	46	87	60	83

df = pd.DataFrame({
     'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})

df.set_index("year") # 用字典的方法设置索引 ,添加多个索引就是multindex

	month	sale
year
2012	1	55
2014	4	40
2013	7	84
2014	10	31

multiindex与panel

略