pandas入门学习二

本文是学习《利用Python进行数据分析》的部分笔记，在这里感谢作者

DataFrame是一个表格型的数据结构，有列索引有行索引，每列的值可以不同。

一：dataFrame的创建：

1，最常用的是传入一个由等长列表或Numpy数组组成的字典：

 

>>> data={'state':['Ohio','Ohio','Ohio','Nevada','Nevada'], ... 'year':[2000,2001,2002,2001,2002], ... 'pop':[1.5,1.7,3.6,2.4,2.9]} >>> frame = DataFrame(data) >>> frame pop state year 0 1.5 Ohio 2000 1 1.7 Ohio 2001 2 3.6 Ohio 2002 3 2.4 Nevada 2001 4 2.9 Nevada 2002

如果指定了列序列，则DataFrame的列就会按照指定顺序进行排序：

 

 

DataFrame(data,columns=['year','state','pop']) year state pop 0 2000 Ohio 1.5 1 2001 Ohio 1.7 2 2002 Ohio 3.6 3 2001 Nevada 2.4 4 2002 Nevada 2.9

跟Series一样，传入的列在数据中找不到，就会产生NA值

 

 

frame2=DataFrame(data,columns=['year','state','pop','debt'], ... index=['one','two','three','four','five']) >>> frame2 year state pop debt one 2000 Ohio 1.5 NaN two 2001 Ohio 1.7 NaN three 2002 Ohio 3.6 NaN four 2001 Nevada 2.4 NaN five 2002 Nevada 2.9 NaN

通过类似字典标记的方式，或者属性的方式，可以将DataFrame的列获取为一个Series

 

frame2['state'] Out[8]: one Ohio two Ohio three Ohio four Nevada five Nevada Name: state, dtype: object frame2.year Out[9]: one 2000 two 2001 three 2002 four 2001 five 2002 Name: year, dtype: int64

行也可以通过位置或名称的方式进行获取，比如用索引字段ix

frame2.ix['three'] Out[10]: year 2002 state Ohio pop 3.6 debt NaN Name: three, dtype: object

列可以通过赋值的方式进行修改，例如：我们可以给那个空的“debt”列赋上一个标量值或者一组值

 

 

frame2['debt']=16.5 frame2 Out[12]: year state pop debt one 2000 Ohio 1.5 16.5 two 2001 Ohio 1.7 16.5 three 2002 Ohio 3.6 16.5 four 2001 Nevada 2.4 16.5 five 2002 Nevada 2.9 16.5 frame2['debt']=np.arange(5) frame2 Out[16]: year state pop debt one 2000 Ohio 1.5 0 two 2001 Ohio 1.7 1 three 2002 Ohio 3.6 2 four 2001 Nevada 2.4 3 five 2002 Nevada 2.9 4

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配，如何赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位会被填上缺失值：

 

var=Series([-1.2,-1.5,-1.7],index=['two','four','five']) frame2['debt']=var frame2 Out[20]: year state pop debt one 2000 Ohio 1.5 NaN two 2001 Ohio 1.7 -1.2 three 2002 Ohio 3.6 NaN four 2001 Nevada 2.4 -1.5 five 2002 Nevada 2.9 -1.7

为不存在的列赋值会创建一个新列，关键字del用于删除列

 

 

del frame2['eastern'] frame2.columns Out[24]: Index(['year', 'state', 'pop', 'debt'], dtype='object')

另一种常见的数据形式是嵌套字典

 

pop={'Nevada':{2001:2.4,2002:2.9},'Ohio':{2000:1.5,2001:1.7,2002:3.6}}

外层字典的键作为列，内层键作为行索引：

 

 

frame3=DataFrame(pop) frame3 Out[6]: Nevada Ohio 2000 NaN 1.5 2001 2.4 1.7 2002 2.9 3.6

也可以对结果转置

 

 

frame3.T Out[7]: 2000 2001 2002 Nevada NaN 2.4 2.9 Ohio 1.5 1.7 3.6

跟Series一样，values属性也会以二维数组形式返回DataFrame中的数据

 

 

frame3.values Out[11]: array([[ nan, 1.5], [ 2.4, 1.7], [ 2.9, 3.6]])

二：索引对象

 

构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会转化为一个index：

obj=frame3.index obj Out[13]: Int64Index([2000, 2001, 2002], dtype='int64', name='year')

Index对象是不能修改的，用户不能对其修改。