[toc]
简介
本文将会解说 Pandas 中根本的数据类型 Series 和 DataFrame，并具体解说这两种类型的创立，索引等根本行为。
应用 Pandas 须要援用上面的 lib：
In [1]: import numpy as np
In [2]: import pandas as pdSeries
Series 是一维带 label 和 index 的数组。咱们应用上面的办法来创立一个 Series：
>>> s = pd.Series(data, index=index)这里的 data 能够是 Python 的字典，np 的 ndarray，或者一个标量。
index 是一个横轴 label 的 list。接下来咱们别离来看下怎么创立 Series。
从 ndarray 创立
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
s
Out[67]:
a -1.300797
b -2.044172
c -1.170739
d -0.445290
e 1.208784
dtype: float64应用 index 获取 index：
s.index
Out[68]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')从 dict 创立
d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)
Out[70]:
a 0
b 1
c 2
dtype: int64从标量创立
pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])
Out[71]:
a 5.0
b 5.0
c 5.0
d 5.0
e 5.0
dtype: float64Series 和 ndarray
Series 和 ndarray 是很相似的，在 Series 中应用 index 数值体现的就像 ndarray:
s[0]
Out[72]: -1.3007972194268396
s[:3]
Out[73]:
a -1.300797
b -2.044172
c -1.170739
dtype: float64
s[s > s.median()]
Out[74]:
d -0.445290
e 1.208784
dtype: float64
s[[4, 3, 1]]
Out[75]:
e 1.208784
d -0.445290
b -2.044172
dtype: float64Series 和 dict
如果应用 label 来拜访 Series，那么它的体现就和 dict 很像：
s['a']
Out[80]: -1.3007972194268396
s['e'] = 12.
s
Out[82]:
a -1.300797
b -2.044172
c -1.170739
d -0.445290
e 12.000000
dtype: float64矢量化操作和标签对齐
Series 能够应用更加简略的矢量化操作：
s + s
Out[83]:
a -2.601594
b -4.088344
c -2.341477
d -0.890581
e 24.000000
dtype: float64
s * 2
Out[84]:
a -2.601594
b -4.088344
c -2.341477
d -0.890581
e 24.000000
dtype: float64
np.exp(s)
Out[85]:
a 0.272315
b 0.129487
c 0.310138
d 0.640638
e 162754.791419
dtype: float64Name 属性
Series 还有一个 name 属性，咱们能够在创立的时候进行设置：
s = pd.Series(np.random.randn(5), name='something')
s
Out[88]:
0 0.192272
1 0.110410
2 1.442358
3 -0.375792
4 1.228111
Name: something, dtype: float64s 还有一个 rename 办法，能够重命名 s：
s2 = s.rename("different")DataFrame
DataFrame 是一个二维的带 label 的数据结构，它是由 Series 组成的，你能够把 DataFrame 看成是一个 excel 表格。DataFrame 能够由上面几种数据来创立：
- 一维的 ndarrays, lists, dicts, 或者 Series
- 结构化数组创立
- 2 维的 numpy.ndarray
- 其余的 DataFrame
从 Series 创立
能够从 Series 形成的字典中来创立 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)
df
Out[92]:
one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0进行 index 重排：
pd.DataFrame(d, index=['d', 'b', 'a'])
Out[93]:
one two
d NaN 4.0
b 2.0 2.0
a 1.0 1.0进行列重排：
pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three'])
Out[94]:
two three
d 4.0 NaN
b 2.0 NaN
a 1.0 NaN从 ndarrays 和 lists 创立
d = {'one': [1., 2., 3., 4.],'two': [4., 3., 2., 1.]}
pd.DataFrame(d)
Out[96]:
one two
0 1.0 4.0
1 2.0 3.0
2 3.0 2.0
3 4.0 1.0
pd.DataFrame(d, index=['a', 'b', 'c', 'd'])
Out[97]:
one two
a 1.0 4.0
b 2.0 3.0
c 3.0 2.0
d 4.0 1.0从结构化数组创立
能够从结构化数组中创立 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 C
0 1 2.0 b'Hello'
1 2 3.0 b'World'
In [50]: pd.DataFrame(data, index=['first', 'second'])
Out[50]:
A B C
first 1 2.0 b'Hello'
second 2 3.0 b'World'
In [51]: pd.DataFrame(data, columns=['C', 'A', 'B'])
Out[51]:
C A B
0 b'Hello' 1 2.0
1 b'World' 2 3.0从字典 list 创立
In [52]: data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
In [53]: pd.DataFrame(data2)
Out[53]:
a b c
0 1 2 NaN
1 5 10 20.0
In [54]: pd.DataFrame(data2, index=['first', 'second'])
Out[54]:
a b c
first 1 2 NaN
second 5 10 20.0
In [55]: pd.DataFrame(data2, columns=['a', 'b'])
Out[55]:
a b
0 1 2
1 5 10从元组中创立
能够从元组中创立更加简单的 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 b
A 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列抉择，增加和删除
能够像操作 Series 一样操作 DF：
In [64]: df['one']
Out[64]:
a 1.0
b 2.0
c 3.0
d NaN
Name: one, dtype: float64
In [65]: df['three'] = df['one'] * df['two']
In [66]: df['flag'] = df['one'] > 2
In [67]: df
Out[67]:
one two three flag
a 1.0 1.0 1.0 False
b 2.0 2.0 4.0 False
c 3.0 3.0 9.0 True
d NaN 4.0 NaN False能够删除特定的列，或者 pop 操作：
In [68]: del df['two']
In [69]: three = df.pop('three')
In [70]: df
Out[70]:
one flag
a 1.0 False
b 2.0 False
c 3.0 True
d NaN False如果插入常量，那么会填满整个列：
In [71]: df['foo'] = 'bar'
In [72]: df
Out[72]:
one flag foo
a 1.0 False bar
b 2.0 False bar
c 3.0 True bar
d NaN False bar默认会插入到 DF 中最初一列，能够应用 insert 来指定插入到特定的列：
In [75]: df.insert(1, 'bar', df['one'])
In [76]: df
Out[76]:
one bar flag foo one_trunc
a 1.0 1.0 False bar 1.0
b 2.0 2.0 False bar 2.0
c 3.0 3.0 True bar NaN
d NaN NaN False bar NaN应用 assign 能够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 Name
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 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_ratio
0 5.1 3.5 1.4 0.2 Iris-setosa 0.686275
1 4.9 3.0 1.4 0.2 Iris-setosa 0.612245
2 4.7 3.2 1.3 0.2 Iris-setosa 0.680851
3 4.6 3.1 1.5 0.2 Iris-setosa 0.673913
4 5.0 3.6 1.4 0.2 Iris-setosa 0.720000留神，assign 会创立一个新的 DF，原 DF 放弃不变。
上面用一张表来示意 DF 中的 index 和抉择：
| 操作 | 语法 | 返回后果 |
|---|---|---|
| 抉择列 | df[col] |
Series |
| 通过 label 抉择行 | df.loc[label] |
Series |
| 通过数组抉择行 | df.iloc[loc] |
Series |
| 行的切片 | df[5:10] |
DataFrame |
| 应用 boolean 向量抉择行 | df[bool_vec] |
DataFrame |
本文已收录于 http://www.flydean.com/03-python-pandas-data-structures/
最艰深的解读，最粗浅的干货，最简洁的教程，泛滥你不晓得的小技巧等你来发现！
欢送关注我的公众号:「程序那些事」, 懂技术，更懂你！