Pandas数据结构基础用法

Head与Tail

head()与tail()用于快速预览Series与DataFrame，默认显示5条数据，也可以指定显示数据的数量。

属性与底层数据

Pandas可以通过多个属性访问元数据：

shape：输出对象的轴维度，与ndarray一致

轴标签：

Series：Index（仅有此轴）

DataFrame：Index（行）与列

Pandas对象（Index、Series、DataFrame）相当于数组的容器，用于存储数据、执行计算。大部分类型的底层数组都是numpy.ndarray。不过，Pandas与第三方支持库一般都会扩展NumPy类型系统，添加自定义数组。

.array属性用于提取Index或Series里的数据。

array一般指ExtensionArray。

提取NumPy数组，用to_numpy()或numpy.asarray()。

Series与Index的类型是ExtensionArray时，to_numpy()会复制数据，并强制转换值。

to_numpy()可以控制numpy.ndarray生成的数据类型。以带时区的datetme为例，NumPy未提供时区信息的datetime数据类型，Pandas则提供了两种表现形式：

1.一种是带Timestamp的numpy.ndarray，提供了正确的tz信息。

2.另一种是datetime64[ns],这也是一种numpy.ndarray，值被转化为UTC，但去掉了时区信息。

时区信息可以用dtype=object保存

或用dtype=’datetime64[ns]’去除。

提取DataFrame里的原数据稍微有点复杂。DataFrame里所有列的数据类型都一样时，DataFrame.to_numpy()返回底层数据：

DataFrame为同构型数据时，Pandas直接修改原始ndarray，所以修改会直接反应在数据结构里。对于异构型数据，即DataFrame列的数据类型不一样时，就不是这种操作模式了，与轴标签不同，不能为值的属性赋值。

这里我们要注意处理异构型数据时，输出结果ndarray的数据类型适用于涉及的各类数据。若DataFrame里包含字符串，输出结构的数据类型就是object。要是只有浮点数或整数，则输出结果的数据类型是浮点数。

以前，Pandas推荐用Series.values或DataFrame.values从Series或DataFrame里提取数据。

但Pandas改进了此功能，现在，推荐用.array或to_numpy提取数据，别再用.values了。

.values有以下2个缺点：

1.Series含扩展类型时，Series.values无法判断到底是改返回NumPy array，还是返回Extension array。而Series.array则只返回ExtensionArray，且不会复制数据。Series.to_numpy则返回NumPy数组，其代价是需要复制、并强制转换数据的值。

2.DataFrame含多种数据类型时，DataFrame.values会复制数据，并将数据的值强制转换同一种数据类型，这是一种代价较高的操作。DataFrame.to_numpy()则返回NumPy数组，这种方式更清晰，也不会把DataFrame里的数据都当作一种类型。

加速操作

借助numexpr与bottleneck支持库，Pandas可以加速特定类型的二进制数值与布尔操作。

处理大型数据集时，这两个支持库特别有用，加速效果也非常明显。numexpr使用智能分块、缓存与多核技术。bottleneck是一组专属cython例程，处理含nans值的数组时，特别快。

请看下面这个例子（DataFrame包含100列×10万行数据）：

这两个支持库默认为启用状态，可用以下选项设置：

如果你想学习Python，但是找不到学习路径和资源，欢迎上指尖编程。

在线交互式学习，学Pytho更快更好！