5 Pandas------5.2 Pandas数据结构(Series 、DataFrame 、MultiIndex与Panel)

5.2 Pandas数据结构

文章代码下载
学习目标

• 目标
  - 知道Pandas的Series结构
  - 掌握Pandas的Dataframe结构
  - 了解Pandas的Multilndex与panel结构

Pandas中一共有三种数据结构，分别为：Series、DataFrame和Multindex（老版本中叫Panel）。
其中Series是一维数据结构，DataFrame是 二维的表格型数据结构，Multilndex是 三维的数据结构。

1.Series

Series是一个类似于-维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。

1.1 Series的创建

#导入pandas import pandas as pd 
pd.Series(data=None,index=None,dtype=None)

参数：

• data：传入的数据，可以是ndarray、list等
• index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
• dtype：数据的类型

通过已有数据创建
●指定内容，默认索引

pd.Series(np.arange(10))
#运行结果
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype：int64

●指定索引

pd. Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])

●通过字典数据创建

color_count=pd.Series({'red':100,'blue':200,'green':500,'yellow':1000})
color_count

1.2 Series的属性

为了更方便地操作Series对象中的索引和数据,Series中提供 了两个属性index和values
●index.

color count.index
#结果
Index(['blue','green','red','yellow'],dtype='object')

●values

color_count.values
#结果
array([200,500,100,1000])

也可以使用索引来获取数据:

color_count[2]
#结果
100

2.DataFrame

DataFrame是一个类似于二维数组或表格（如excel）的对象，既有行索引，又有列索引
●行索引，表明不同行，横向索引，叫index，0轴，axis=0
●列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

2.1 DataFrame的创建

#导入pandas 
import pandas as pd 
pd.DataFrame（data=None，index=None，columns=None）

• 参数：
  - index：行标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
  - columns：列标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整 数索引。
  - 通过已有数据创建

举例一：

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

回忆在前面直接使用np创建的数组显示方式，比较两者的区别。
举例二：创建学生成绩表

#生成10名同学，5门功课的数据
score = np.random.randint(40,100,(10,5))
#结果
array([[60, 89, 40, 79, 43],
       [52, 56, 63, 69, 98],
       [49, 99, 55, 56, 96],
       [64, 60, 82, 67, 71],
       [91, 84, 57, 92, 47],
       [56, 94, 91, 95, 43],
       [96, 41, 90, 73, 87],
       [40, 76, 47, 58, 70],
       [51, 88, 76, 73, 66],
       [57, 93, 68, 66, 71]])

但是这样的数据形式很难看到存储的是什么的样的数据，可读性比较差！！
问题：如何让数据更有意义的显示？

#使用Pandas中的数据结构
score_df = pd.DataF rame(score)

给分数数据增加行列索引，显示效果更佳
效果：

●增加行、列索引

#构造行索引序列
subjects =["语文","数学","英语","政治","体育"]
#构造列索引序列
stu =['同学'+ str(i)for i in range(score_df.shape[0])]
#添加行索引
data=pd.DataFram(score,columns=subjects,index=stu)

2.2 DataFrame的属性

• shape

data.shape
#结果
(10,5)

• index DataFrame的行索引列表

data.index
#结果
Index(['
同学0','同学1','同学2','同学3','同学4','同学5','同学6','同学7',同学8','同学9'],

• columns
  DataFrame的列索引列表

data.columns
#结果
Index(['语文','数学','英语','政治','体育'],dtype='object')

• values

直接获取其中array的值

data. values
#结果
array([[60, 89, 40, 79, 43],
       [52, 56, 63, 69, 98],
       [49, 99, 55, 56, 96],
       [64, 60, 82, 67, 71],
       [91, 84, 57, 92, 47],
       [56, 94, 91, 95, 43],
       [96, 41, 90, 73, 87],
       [40, 76, 47, 58, 70],
       [51, 88, 76, 73, 66],
       [57, 93, 68, 66, 71]])

• T

转置

data.T

结果

• head(5):显示前5行内容

如果不补充参数,默认5行.填入参数N则显示前N行

data.head(5)

• tail(5):显示后5行内容
  如果不补充参数,默认5行.填入参数N则显示后N行

 data.tail(5)

2.3 DatatFrame索弓|的设置

需求：

2.3.1修改行列索引值

stu =["学生_"+ str(i)for i in range(score_df.shape[0])]
#必须整体全部修改
data.index = stu

注意:以下修改方式是错误的

#错误修改方式
data.index[3]='学生_3'

2.3.2重设索引

• resetindex(drop=False)
  - 设置新的下标索引
  - drop:默认为False,不删除原来索引,如果为True,删除原来的索引值

data.reset_index()

data.reset_index(drop =True)

2.3.3以某列值设置为新的索引

• set_index(keys,drop=True)
  - keys:列索引名成或者列索引名称的列表
  - drop:boolean,default True.当做新的索引,删除原来的列

设置新索引案例

1、创建

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

2、以月份设置新的索引

df.set_index('month')

3、设置多个索引,以年和月份

df = df. set_index([' year', ' month'])
df

注：通过刚才的设置，这样DataFrame就变成了一个具有Multindex的DataFrame。

3.MultiIndex与Panel

3.1 Multilndex

Multilndex是三维的数据结构；多级索引（也称层次化索引）是pandas的重要功能，可以在Series、DataFrame对象 上拥有2个以及2个以上的索引。.

3.1.1 multilndex的特性

打印刚才的df的行索引结果

df.index
#结果
MultiIndex(levels=[[2012, 2013, 2014], [1, 4, 7, 10]],
           labels=[[0, 2, 1, 2], [0, 1, 2, 3]],
           names=['year', 'month'])

多级或分层索引对象.

• index属性
• names:levels的名称
• levels:每个level的元组值

df.index.names
#FrozenList(['year','month'])
df.index.levels
#FrozenList([[1,2],[1,4,7,10]1)

3.1.2 multilIndex的创建

arrays = [[1, 1, 2, 2],[' red', ' blue', ' red', ' blue']]
pd.MultiIndex. from_arrays(arrays, names=(' number', ' color'))
#结果
MultiIndex(levels=[[1, 2], [' blue', ' red']],
           labels=[[0, 0, 1, 1], [1, 0, 1, 0]],
           names=[' number', ' color'])

3.2 Panel

3.2.1 panel的创建

• class pandas.Panel(data=None,items=None,major_axis=None,minor
  axis=None)
  • 作用:存储3维数组的Panel结构
  • 参数:
    - data:ndarray或者dataframe
    - items:索引或类似数组的对象,axis=0
    - major_axis:索引或类似数组的对象,axis=1
    - minor__axis:索引或类似数组的对象,axis=2

p=pd.Panel(data=np.arange(24).reshape(4,3,2),
					items=list('ABCD'),
					major_axis=pd.date_range('20130101',periods=3),
					minor_axis=['first','second'])
#结果
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: A to D
Major_axis axis: 2013-01-01 00:00:00 to 2013-01-03 00:00:00
Minor_axis axis: first to second

3.2.2查看panel数据

p[:,:,"first"]
p["B",:,:]

注:Pandas从版本0.20.0开始弃用:推荐的用于表示3D数据的方法是通过DataFrame.上的Multilndex方法

4 小结

• pandas的优势[了解]
  • 增强图表可读性
  • 便捷的数据处理能力
  • 读取文件方便
  • 封装了Matplotlib、Numpy的画图和计算
• series[知道]
  • 创建
    - pd.Series([],index=[])
    - pd.Series({})
  • 属性
    - 对象.index
    - 对象.values
• DataFrame[掌握]
  • 创建
    - pd.DataFrame(data=None,index=None,columns=None)
  • 属性
    - shape–形状
    - index–行索引
    - columns–列索引
    - values–查看值
    - T–转置
    - head()–查看头部内容
    - tail0–查看尾部内容
• DataFrame索引
  • 修改的时候,需要进行全局修改对象
  • reset_index()
  • 对象.set_index(keys)
• Multilindex与Panel[了解]
  • multilIndex:
    - 类似ndarray中的三维数组
    - 创建:
    - pd.Mutilndex.from arrays()
    - 属性:
    - 对象.index
  • panel:
    - pd.Panel(data,items,major axis,minor_axis)
    - panel数据要是想看到,则需要进行索引到dataframe或者series才可以
    点个赞吧！！！你的鼓励是对我码字的认可