【数据分析】认识Pandas：DataFrame和Series结构、属性

认识Pandas

Pandas 是 Python 语言的一个扩展程序库，用于数据挖掘和数据分析，同时也提供数据清洗功能。

pandas（panel data & data analysis），是基于 numpy（提供高性能的矩阵运算）专门用于数据分析的工具，是一个强大的分析结构化数据（表格数据）的工具集；

Pandas所有的操作都基于两种结构： DataFrame结构 和 Series结构

Dataframe 结构

DataFrame 是 Pandas 中的一个 表格型 的数据结构，是一个二维的数组结构，类似二维数组。包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)。

表格有三部分组成，表头（列索引）、行名称（行索引）、数据元素部分。

DataFrame 构造方法

pandas.DataFrame( data, index, columns, dtype, copy)

• data：数据(array-like 类型：可以是ndarray、series, map, lists, dict 等类型)。
• index：行索引，如果不指定行索引—默认给一个0、1、2、3、… 这样的序号行索引。
• columns：列索引 ，如果不指定列索引—默认给一个0、1、2、3、… 这样的序号列索引。
• dtype：数据类型。
• copy：拷贝数据，默认为 False。

方式 1：使用列表 逐个传入行索引、列索引和 数据元素
df = pd.DataFrame(
	# 使用 列表嵌套 构造数据
    data=[
        ['zs', 19, 1],
        ['ls', 20, 1],
        ['ww', 19, 2]
    ],
    index=['stu0', 'stu1', 'stu2'],   # 行索引
    columns=['name', 'age', 'group']  # 列索引
    # 如果不指定行索引---默认给一个0、1、2、3、... 这样的序号行索引
    # 如果不指定列索引---默认给一个0、1、2、3、... 这样的序号列索引
)
print('df:\n', df)
print('df_type:\n', type(df))
"""
df:
      name  age  group
stu0   zs   19      1
stu1   ls   20      1
stu2   ww   19      2
df_type:
 
"""

方式 2：借助字典
df = pd.DataFrame(
	# 字典的键 （Key） 对应 列索引
	# 字典的值（Value）对应 数据元素
    data={
        'name': ['zs', 'ls', 'ww'],
        'age': [18, 19, 29],
        'group': [1, 1, 2]
    },
    index=['stu0', 'stu1', 'stu2'],  # 行索引
)
print('df:\n', df)
print('df_type:\n', type(df))
"""
df:
      name  age  group
stu0   zs   18      1 
stu1   ls   19      1 
stu2   ww   29      2 
df:
 
 """

方式 3：由 ndarray 转化为 dataframe结构
import numpy
values = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print('values:\n', values)
print('values_type：', type(values))
 """
values:
 [[1 2 3 4]
 [5 6 7 8]]
values_type：
 
 """
df = pd.DataFrame(
    data=values,  # 数据
    columns=['一','二','三','四'],  # 列索引
)
print('df:\n', df)
print('df_type:\n', type(df))
"""
df:
   一  二  三  四
0  1  2  3  4
1  5  6  7  8
df_type:
 
"""

注：关于参数元素缺失

df = pd.DataFrame(
    data=[
        ['zs', 19, 1],
        ['ls', 20, 1],
        ['ww', 19]		# data数据元素缺失会自动用NaN补齐
    ],
    index=['stu0', 'stu1', 'stu2'],		# index与data行数量不对应会报错
    columns=['name', 'age', 'group']	# columns与data列数量不对应会报错
)
print('df:\n', df)
"""
df:
      name  age  group
stu0   zs   19    1.0
stu1   ls   20    1.0
stu2   ww   19    NaN
"""

dtype参数

data=[
    ['zs', 19, 1],
    ['ls', 20, 1],
    ['ww', 19, 2]
],
df = pd.DataFrame(
    data=data
    columns=['name', 'age', 'group'],
)
print('dtypes:\n', df.dtypes)
'''
dtypes:
 name     object
age       int64
group     int64
dtype: object
'''

df = pd.DataFrame(
    data=data
    columns=['name', 'age', 'group'],
    dtype="int32"
)
print('dtypes:\n', df.dtypes)
'''
df:
 name     object
age       int32
group     int32
dtype: object
'''

df = pd.DataFrame(
    data=data
    columns=['name', 'age', 'group'],
    dtype=numpy.
)
print('dtypes:\n', df.dtypes)
'''
df:
 name     object
age       int32
group     int32
dtype: object
'''

Series 结构

Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。Series 由索引（index）和 列 组成

DataFrame结构就是 由多个Series结构组成的：

df = pd.DataFrame(
    data=[
        ['zs', 19, 1],
        ['ls', 20, 1],
        ['ww', 19, 2]
    ],
    index=['stu0', 'stu1', 'stu2'],
    columns=['name', 'age', 'group'],
)
print('name:\n', df["name"])
print("*"*20)
print('name_type:\n', type(df["name"]))
'''
name:
 stu0    zs
stu1    ls
stu2    ww
Name: name, dtype: object
********************
name_type:
 
'''

Series 构造方法

pandas.Series( data, index, dtype, name, copy)

Serise的参数与Dataframe的参数相似：

• data：一组数据(array-like 类型)。
• index：数据索引标签，不指定默认从 0 开始。可指定array-like 类型需和data长度相同。
• dtype：数据类型，默认会自己判断。
• name：设置名称（str 类型），相当于Dataframe结构指定多列名称的Columns 变为单列的name。
• copy：拷贝数据，默认为 False。

df= pd.Series([1, 2, 3])
print("df:\n", df)
'''
df:
0    1
1    2
2    3
dtype: int64
'''

se = pd.Series(
    data={'zs': 17, 'ls': '18', 'ww': 18},
    # 可以用字典指定索引和值
    index=['zs', 'ls', 'ww', 'jj'], # 指定key为行索引，如果没有对应的value值，那么会用NaN补齐
    # 如果index和data字典的键不同，则使用index指定的索引
)
print('se:\n',se)
print('se_type:\n',type(se))
'''
se:
 zs     17
ls     18
ww     18
jj    NaN
dtype: object
se_type:
 
'''

DataFrame和Series属性

import pandas as pd

# 创建DataFrame结构
df = pd.DataFrame(
    data=[
        ['zs', 19, 1],
        ['ls', 20, 1],
        ['ww', 19, 2]
    ],
    index=['stu0', 'stu1', 'stu2'],
    columns=['name', 'age', 'group']
)
print('df:\n', df)
print('df_type:\n', type(df))   #  

print('ndim:', df.ndim)     # DataFrame结构(int)：2 --->二维的结构
print('shape:', df.shape)   # DataFrame的行列数(tuple): (3,3)
print('size:', df.size)     # DataFrame的数据数量：9

# print('dtype:', df.dtype)  # 'DataFrame' object has no attribute 'dtype'
print('dtypes:\n', df.dtypes)  # 返回每一列的数据类型-（组成了一个Series）----不同的列数据类型可以不同！  ---注意：DataFrame可以存储不同类型的数据

print('index:', df.index)      # 获取的是DataFrame的行索引
print('columns:', df.columns)  # 获取的是Dataframe的列索引
print('values:\n', df.values)  # 数据
print('values_type:\n', type(df.values))  # 

print("-"*80)
# 获取 Series -----Series结构---一维的数据 ------>行维度
se = df['name']
print('se:\n', se)
print('se:\n', type(se))  # 

print('ndim:', se.ndim)     # 1
print('shape:', se.shape)   # (3,)
print('size:', se.size)     # 3
print('name:', se.name)     # name
# print('itemsize:', se.itemsize)  # 每个数据所占的字节，当前版本可能还有，但是未来要被删除！

print('dtype:', se.dtype)    # object
print('dtypes:', se.dtypes)  # object, Series各个列内部的数据类型都是一样的，所以具有dtype

print('index:',se.index)    # 行索引
print('values:',se.values)  # 数据