简介
本文将会讲解 Pandas 中基本的数据类型 Series 和 DataFrame，并详细讲解这两种类型的创建，索引等基本行为。
使用 Pandas 需要引用下面的 lib：
In [1]: import numpy as np
In [2]: import pandas as pd
复制代码
Series
Series 是一维带 label 和 index 的数组。我们使用下面的方法来创建一个 Series：
>>> s = pd.Series(data, index=index)
复制代码
这里的 data 可以是 Python 的字典，np 的 ndarray，或者一个标量。
index 是一个横轴 label 的 list。接下来我们分别来看下怎么创建 Series。
从 ndarray 创建
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
sOut[67]: a -1.300797b -2.044172c -1.170739d -0.445290e 1.208784dtype: float64
复制代码
使用 index 获取 index：
s.indexOut[68]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
复制代码
从 dict 创建
d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)Out[70]: a 0b 1c 2dtype: int64
复制代码
从标量创建
pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])Out[71]: a 5.0b 5.0c 5.0d 5.0e 5.0dtype: float64
复制代码
Series 和 ndarray
Series 和 ndarray 是很类似的，在 Series 中使用 index 数值表现的就像 ndarray:
s[0]Out[72]: -1.3007972194268396
s[:3]Out[73]: a -1.300797b -2.044172c -1.170739dtype: float64
s[s > s.median()]Out[74]: d -0.445290e 1.208784dtype: float64
s[[4, 3, 1]]Out[75]: e 1.208784d -0.445290b -2.044172dtype: float64
复制代码
Series 和 dict
如果使用 label 来访问 Series，那么它的表现就和 dict 很像：
s['a']Out[80]: -1.3007972194268396
s['e'] = 12.
sOut[82]: a -1.300797b -2.044172c -1.170739d -0.445290e 12.000000dtype: float64
复制代码
矢量化操作和标签对齐
Series 可以使用更加简单的矢量化操作：
s + sOut[83]: a -2.601594b -4.088344c -2.341477d -0.890581e 24.000000dtype: float64
s * 2Out[84]: a -2.601594b -4.088344c -2.341477d -0.890581e 24.000000dtype: float64
np.exp(s)Out[85]: a 0.272315b 0.129487c 0.310138d 0.640638e 162754.791419dtype: float64
复制代码
Name 属性
Series 还有一个 name 属性，我们可以在创建的时候进行设置：
s = pd.Series(np.random.randn(5), name='something')
sOut[88]: 0 0.1922721 0.1104102 1.4423583 -0.3757924 1.228111Name: something, dtype: float64
复制代码
s 还有一个 rename 方法，可以重命名 s：
s2 = s.rename("different")
复制代码
DataFrame
DataFrame 是一个二维的带 label 的数据结构，它是由 Series 组成的，你可以把 DataFrame 看成是一个 excel 表格。DataFrame 可以由下面几种数据来创建：
从 Series 创建
可以从 Series 构成的字典中来创建 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)
dfOut[92]: one twoa 1.0 1.0b 2.0 2.0c 3.0 3.0d NaN 4.0
复制代码
进行 index 重排：
pd.DataFrame(d, index=['d', 'b', 'a'])Out[93]: one twod NaN 4.0b 2.0 2.0a 1.0 1.0
复制代码
进行列重排：
pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three'])Out[94]: two threed 4.0 NaNb 2.0 NaNa 1.0 NaN
复制代码
从 ndarrays 和 lists 创建
d = {'one': [1., 2., 3., 4.],'two': [4., 3., 2., 1.]}
pd.DataFrame(d)Out[96]: one two0 1.0 4.01 2.0 3.02 3.0 2.03 4.0 1.0
pd.DataFrame(d, index=['a', 'b', 'c', 'd'])Out[97]: one twoa 1.0 4.0b 2.0 3.0c 3.0 2.0d 4.0 1.0
复制代码
从结构化数组创建
可以从结构化数组中创建 DF：
In [47]: data = np.zeros((2, ), dtype=[('A', 'i4'), ('B', 'f4'), ('C', 'a10')])
In [48]: data[:] = [(1, 2., 'Hello'), (2, 3., "World")]
In [49]: pd.DataFrame(data)Out[49]: A B C0 1 2.0 b'Hello'1 2 3.0 b'World'
In [50]: pd.DataFrame(data, index=['first', 'second'])Out[50]: A B Cfirst 1 2.0 b'Hello'second 2 3.0 b'World'
In [51]: pd.DataFrame(data, columns=['C', 'A', 'B'])Out[51]: C A B0 b'Hello' 1 2.01 b'World' 2 3.0
复制代码
从字典 list 创建
In [52]: data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
In [53]: pd.DataFrame(data2)Out[53]: a b c0 1 2 NaN1 5 10 20.0
In [54]: pd.DataFrame(data2, index=['first', 'second'])Out[54]: a b cfirst 1 2 NaNsecond 5 10 20.0
In [55]: pd.DataFrame(data2, columns=['a', 'b'])Out[55]: a b0 1 21 5 10
复制代码
从元组中创建
可以从元组中创建更加复杂的 DF：
In [56]: pd.DataFrame({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2}, ....: ('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4}, ....: ('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6}, ....: ('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8}, ....: ('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}}) ....: Out[56]: a b b a c a bA B 1.0 4.0 5.0 8.0 10.0 C 2.0 3.0 6.0 7.0 NaN D NaN NaN NaN NaN 9.0
复制代码
列选择，添加和删除
可以像操作 Series 一样操作 DF：
In [64]: df['one']Out[64]: a 1.0b 2.0c 3.0d NaNName: one, dtype: float64
In [65]: df['three'] = df['one'] * df['two']
In [66]: df['flag'] = df['one'] > 2
In [67]: dfOut[67]: one two three flaga 1.0 1.0 1.0 Falseb 2.0 2.0 4.0 Falsec 3.0 3.0 9.0 Trued NaN 4.0 NaN False
复制代码
可以删除特定的列，或者 pop 操作：
In [68]: del df['two']
In [69]: three = df.pop('three')
In [70]: dfOut[70]: one flaga 1.0 Falseb 2.0 Falsec 3.0 Trued NaN False
复制代码
如果插入常量，那么会填满整个列：
In [71]: df['foo'] = 'bar'
In [72]: dfOut[72]: one flag fooa 1.0 False barb 2.0 False barc 3.0 True bard NaN False bar
复制代码
默认会插入到 DF 中最后一列，可以使用 insert 来指定插入到特定的列：
In [75]: df.insert(1, 'bar', df['one'])
In [76]: dfOut[76]: one bar flag foo one_trunca 1.0 1.0 False bar 1.0b 2.0 2.0 False bar 2.0c 3.0 3.0 True bar NaNd NaN NaN False bar NaN
复制代码
使用 assign 可以从现有的列中衍生出新的列：
In [77]: iris = pd.read_csv('data/iris.data')
In [78]: iris.head()Out[78]: SepalLength SepalWidth PetalLength PetalWidth Name0 5.1 3.5 1.4 0.2 Iris-setosa1 4.9 3.0 1.4 0.2 Iris-setosa2 4.7 3.2 1.3 0.2 Iris-setosa3 4.6 3.1 1.5 0.2 Iris-setosa4 5.0 3.6 1.4 0.2 Iris-setosa
In [79]: (iris.assign(sepal_ratio=iris['SepalWidth'] / iris['SepalLength']) ....: .head()) ....: Out[79]: SepalLength SepalWidth PetalLength PetalWidth Name sepal_ratio0 5.1 3.5 1.4 0.2 Iris-setosa 0.6862751 4.9 3.0 1.4 0.2 Iris-setosa 0.6122452 4.7 3.2 1.3 0.2 Iris-setosa 0.6808513 4.6 3.1 1.5 0.2 Iris-setosa 0.6739134 5.0 3.6 1.4 0.2 Iris-setosa 0.720000
复制代码
注意， assign 会创建一个新的 DF，原 DF 保持不变。
下面用一张表来表示 DF 中的 index 和选择：
本文已收录于 http://www.flydean.com/03-python-pandas-data-structures/
最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！
评论