数据分析教学pandas数据结构.docx
- 文档编号:23197768
- 上传时间:2023-05-15
- 格式:DOCX
- 页数:12
- 大小:17.47KB
数据分析教学pandas数据结构.docx
《数据分析教学pandas数据结构.docx》由会员分享,可在线阅读,更多相关《数据分析教学pandas数据结构.docx(12页珍藏版)》请在冰豆网上搜索。
数据分析教学pandas数据结构
数据分析教学——pandas数据结构
一、Pandas数据结构
Pandas处理有三种数据结构形式:
Series,DataFrame,index。
Series和DataFrame是现在常用的两种数据类型。
1.Series
Series和一维数组很像,只是它的每一个值都有一个索引,输出显示时索引在左,值在右。
pandas.Series(data,index=index,dtype,copy)
∙data:
可以是多种类型,如列表,字典,标量等
∙index:
索引值必须是唯一可散列的,与数据长度相同,如果没有索引被传递,则默认为**np.arrange(n)**
∙dtype:
设置数据类型
∙copy:
复制数据,默认为Flase
1)创建一个空的序列
importnumpyasnp
importpandasaspd
#利用Series序列构造函数
#创建一个空序列
s=pd.Series()
print(s)
"""
输出:
Series([],dtype:
float64)
"""
2)从ndarray创建一个序列:
如果数据是ndarray,则传递的索引必须具有相同的长度。
如果没有索引被传递,那么默认情况下,索引将是range(n),其中n是数组长度,即[0,1,2,3...。
范围(LEN(阵列))-1]。
#使用ndarray创建一个序列
data=np.array(['a','b','c','d'])
s=pd.Series(data)
print(s)
"""
输出:
0a
1b
2c
3d
dtype:
object
"""
不给赋索引值时,默认的索引范围为1~(len(data)-1)
3)传入索引值:
#传入索引值
data=np.array(['a','b','c','d'])
s=pd.Series(data,index=[12,13,14,15])
print(s)
"""
输出:
12a
13b
14c
15d
dtype:
object
"""
4)从字典创建一个序列:
当所创建的索引中,未给赋值时,也即缺少元素是,用NAN填充
data={'a':
0,'b':
1,'c':
2.}
s=pd.Series(data,index=['b','a','c','d'])
print(s)
"""
输出:
b1.0
a0.0
c2.0
dNaN
dtype:
float64
"""
5)用标量创建一个序列:
#从标量创建一个序列
s=pd.Series(5,index=['a','b','c','d'])
print(s)
"""
输出:
a5
b5
c5
d5
dtype:
int64
"""
6)检索数据:
data=[1,2,3,4]
s=pd.Series(data,index=['a','b','c','d'])
print(s["d"])#检索索引为d的数据
print(s[-3:
])#检索后3个数据
"""
输出:
4
b2
c3
d4
dtype:
int64
"""
2.DataFrame
DataFrame是一个2维标签的数据结构,它的列可以存在不同的类型。
你可以把它简单的想成Excel表格或SQLTable,或者是包含字典类型的Series。
它是最常用的Pandas对象。
和Series一样,DataFrame接受许多不同的类型输入。
pandas.DataFrame(data,index,columns,dtype)
∙data:
包含一维数组,列表对象,或者是Series对象的字典对象
∙index:
对于行标签,如果没有索引被传递,则要用于结果帧的索引是可选缺省值np.arrange(n)。
∙columns:
对于列标签,可选的默认语法是-np.arrange(n)。
这只有在没有通过索引的情况下才是正确的。
∙dtype:
每列的数据类型
1)创建一个空的DataFrame
#创建一个空的DataFrame
importpandasaspd
df=pd.DataFrame()
print(df)
"""
输出:
EmptyDataFrame
Columns:
[]
Index:
[]
"""
2)从列表中创建一个DataFrame
DateFrame可以使用单个列表或者列表列表创建
data=[1,2,3,4,5]
df=pd.DataFrame(data)
print(df)
"""
输出:
0
01
12
23
34
45
"""
data=[['Al',9],['Bl',8],['Cl',10]]
#dtype参数将Age列的类型更改为浮点型
df=pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print(df)
"""
输出:
NameAge
0Al9.0
1Bl8.0
2Cl10.0
"""
3)从ndarrys/lists的字典创建一个dataFrame
所有的ndarrays必须具有相同的长度。
如果索引被传递,那么索引的长度应该等于数组的长度。
如果没有索引被传递,那么默认情况下,索引将是range(n),其中n是数组长度。
#从ndarrays/List的Dict创建一个DataFrame
data1={'Name':
['Al','Bl','Cl'],'Age':
[9,8,10]}
df1=pd.DataFrame(data1)
print(df1)
"""
输出:
AgeName
09Al
18Bl
210Cl
"""
4)添加行标签
data1={'Name':
['Al','Bl','Cl'],'Age':
[9,8,10]}
#添加行标签
df1=pd.DataFrame(data1,index=['rank1','rank2','rank3'])
print(df1)
"""
输出:
AgeName
rank19Al
rank28Bl
rank310Cl
"""
5)在列表中创建一个dataframe
importpandasaspd
data=[{'a':
1,'b':
2},{'a':
5,'b':
10,'c':
20}]
df=pd.DataFrame(data,index=['rank1','rank2'])
print(df)
"""
输出:
abc
rank112NaN
rank251020.0
"""
#使用字典,行索引,列索引列表创建DataFrame
data=[{'a':
1,'b':
2},{'a':
2,'b':
10,'c':
9}]
df1=pd.DataFrame(data,index=['rank1','rank2'],columns=['a','b'])
print('df1:
\n',df1)
df2=pd.DataFrame(data1,index=['rank1','rank2'],columns=['a','b1'])
print('df2:
\n',df2)
"""
输出:
df1:
ab
rank112
rank2210
df2:
ab1
rank11NaN
rank22NaN
"""
6)从序列字典中创建一个DataFrame,并进行列添加,删除
#从序列字典创建一个DataFrame
d={'one':
pd.Series([1,2,3],index=['a','b','c']),
'two':
pd.Series([1,2,3,4],index=['a','b','c','d'])}
df=pd.DataFrame(d)
print(df)
"""
输出:
onetwo
a1.01
b2.02
c3.03
dNaN4
"""
添加列:
#添加列
d={'one':
pd.Series([1,2,3],index=['a','b','c']),
'two':
pd.Series([1,2,3,4],index=['a','b','c','d'])}
df=pd.DataFrame(d)
df['three']=pd.Series([20,3,21],index=['a','b','d'])
df['four']=df['one']+df['three']
print(df)
"""
输出:
onetwothreefour
a1.0120.021.0
b2.023.05.0
c3.03NaNNaN
dNaN421.0NaN
"""
删除列:
#删除列
d={'one':
pd.Series([1,2,3],index=['a','b','c']),
'two':
pd.Series([1,2,3,4],index=['a','b','c','d']),
'three':
pd.Series([20,3,21],index=['a','b','d'])}
df=pd.DataFrame(d)
print(df)
"""
输出:
onethreetwo
a1.020.01
b2.03.02
c3.0NaN3
dNaN21.04
"""
#删除列
deldf['one']
print(df)
"""
输出:
threetwo
a20.01
b3.02
cNaN3
d21.04
"""
7)通过字典创建dataFrame,并进行行选择,添加,删除
#行选择,添加,删除
d={'one':
pd.Series([1,2,3],index=['a','b','c']),
'two':
pd.Series([1,2,3,4],index=['a','b','c','d'])}
df=pd.DataFrame(d)
print(df,'\n')
print(df.loc['b'],'\n')
print(df.iloc[2],'\n')
print(df[2:
4])
"""
输出:
onetwo
a1.01
b2.02
c3.03
dNaN4
one2.0
two2.0
Name:
b,dtype:
float64
one3.0
two3.0
Name:
c,dtype:
float64
onetwo
c3.03
dNaN4
"""
添加行:
#添加行
df=pd.DataFrame([[1,2],[3,4]],columns=['a','b'])
df2=pd.DataFrame([[5,6],[7,8]],columns=['a','b'])
df=df.append(df2)
print(df)
"""
输出:
ab
012
134
056
178
"""
删除行:
#删除行
df=df.drop(0)
print(df)
"""
输出:
ab
134
178
"""
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据分析教学 pandas数据结构 数据 分析 教学 pandas 数据结构
![提示](https://static.bdocx.com/images/bang_tan.gif)