结构化数据分析工具Pandas数据结构

Pandas是数据分析工具，那我们要思考的是，它能分析什么样的数据？所分析的数据需要具备什么样的结构呢？基于此，我们主要分为三个部分来讲：

• 1.Pandas数据结构
• 2.数据结构—Series
• 3.数据结构—DataFrame

1. Pandas数据结构

Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame

2. 数据结构—Series

Series是一个类似一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成，函数如下：

pandas.Series(data, index, dtype, name, copy)

参数说明：

• data：一组数据(ndarray 类型)
• index：数据索引标签，如果不指定，默认从 0 开始
• dtype：数据类型，默认会自己判断
• name：设置名称
• copy：拷贝数据，默认为 False

注意：
Series的索引位于左边，数据位于右边

2.1 Series的创建方式

Pandas的Series类对象的原型如下（仅作了解）：

class pandas.Series（data = None，index = None，dtype = None，
name = None，copy = False，fastpath = False）

data：表示传入的数据。
index：表示索引，唯一且与数据长度相等，默认会自动创建一个从0~N的整数索引。

创建series对象举例：

1. 通过传入一个列表来创建一个Series类对象：

# 给pandas起个别名pd
import pandas as pd 
# 创建Series类对象
ser_obj = pd.Series([1, 2, 3, 4, 5])
print(ser_obj)

输出：

0    1
1    2
2    3
3    4
4    5
dtype: int64

创建Series类对象，并指定索引

# 给pandas起个别名pd
import pandas as pd

# 创建Series类对象
ser_obj = pd.Series([1, 2, 3, 4, 5])
ser_obj.index = ['a', 'b', 'c', 'd', 'e']
print(ser_obj)

输出：

a    1
b    2
c    3
d    4
e    5
dtype: int64

1. 通过传入一个字典创建一个Series类对象，其中字典的key就是Series的index，例如：

import pandas as pd
year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
ser_obj2 = pd.Series(year_data)
print(ser_obj2)

输出：

2001    17.8
2002    20.1
2003    16.5
dtype: float64

2.2 使用索引和获取数据

为了能方便地操作Series对象中的索引和数据，所以该对象提供了两个属性index和values分别进行获取。

# 获取ser_obj的索引
ser_obj.index
# 获取ser_obj的数据
ser_obj.values

举例：

# 给pandas起个别名pd
import pandas as pd

# 创建Series类对象
ser_obj = pd.Series([1, 2, 3, 4, 5])
ser_obj.index = ['a', 'b', 'c', 'd', 'e']
print(ser_obj.index)
print('-'*50)
print(ser_obj.values)

输出：

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
--------------------------------------------------
[1 2 3 4 5]

当然，我们也可以直接使用索引来获取数据。

# 获取位置索引3对应的数据
print(ser_obj[2])

输出是：3

当某个索引对应的数据进行运算以后，其运算的结果会替换原数据，仍然与这个索引保持着对应的关系。

例如：

# 给pandas起个别名pd
import pandas as pd

# 创建Series类对象
ser_obj = pd.Series([1, 2, 3, 4, 5])
ser_obj.index = ['a', 'b', 'c', 'd', 'e']
ser_obj2 = ser_obj * 2

print(ser_obj)
print('-' * 50)
print(ser_obj)

结果：

a    1
b    2
c    3
d    4
e    5
dtype: int64
--------------------------------------------------
a    1
b    2
c    3
d    4
e    5
dtype: int64

3. 数据结构—DataFrame

DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据都可以是不同的数据类型。

注意：
DataFrame的索引不仅有行索引，还有列索引，数据可以有多列。

3.1 DataFrame的创建方式

Pandas的DataFrame类对象的原型如下（仅作了解）：

pandas.DataFrame（data = None，index = None，columns = None，
dtype = None，copy = False ）

index：表示行标签。若不设置该参数，则默认会自动创建一个从0~N的整数索引。
columns：列标签

1. 通过传入数组来创建DataFrame类对象：

import numpy as np
import pandas as pd

# 创建数组
demo_arr = np.array([['a', 'b', 'c'],
                     ['d', 'e', 'f']])
# 基于数组创建DataFrame对象
df_obj = pd.DataFrame(demo_arr)
print(df_obj)

输出：

   0  1  2
0  a  b  c
1  d  e  f

在创建DataFrame类对象时，如果为其指定了列索引，则DataFrame的列会按照指定索引的顺序进行排列，比如指定列索引No1,No2, No3的顺序：

df_obj = pd.DataFrame(demo_arr, columns=['No1', 'No2', 'No3'])

3.2 使用列索引或访问属性获取数据

我们可以使用dataframe的列索引的方式来获取一列数据，返回的结果是一个Series对象。

import numpy as np
import pandas as pd

# 创建数组
demo_arr = np.array([['a', 'b', 'c'],
                     ['d', 'e', 'f']])
# 基于数组创建DataFrame对象,并指定列索引
df_obj = pd.DataFrame(demo_arr, columns=['No1', 'No2', 'No3'])
print(df_obj)
# 通过列索引的方式获取一列数据
element = df_obj['No2']
# 查看一列数据
print('查看一列数据:\n', element)
# 查看返回结果的类型
print(type(element))  # pandas.core.series.Series

输出：

  No1 No2 No3
0   a   b   c
1   d   e   f
查看一列数据:
 0    b
1    e
Name: No2, dtype: object
<class 'pandas.core.series.Series'>

我们还可以使用访问属性的方式来获取一列数据，返回的结果是一个Series对象。

# 通过属性获取列数据
element = df_obj.No2
# 查看返回结果的类型
type(element)#pandas.core.series.Series

注意：
在获取DataFrame的一列数据时，推荐使用列索引的方式完成，主要是因为在实际使用中，列索引的名称中很有可能带有一些特殊字符（如空格），这时使用“点字符”进行访问就显得不太合适了。

3.3 增加列

要想为DataFrame增加一列数据，则可以通过给列索引或者列名称赋值的方式实现。

import numpy as np
import pandas as pd

# 创建数组
demo_arr = np.array([['a', 'b', 'c'],
                     ['d', 'e', 'f']])
# 基于数组创建DataFrame对象,并指定列索引
df_obj = pd.DataFrame(demo_arr, columns=['No1', 'No2', 'No3'])
print('原始数据：\n', df_obj)
# 增加No4一列数据
df_obj['No4'] = ['g', 'h']
print('增加一列之后的数据：\n', df_obj)

输出：

原始数据：
   No1 No2 No3
0   a   b   c
1   d   e   f
增加一列之后的数据：
   No1 No2 No3 No4
0   a   b   c   g
1   d   e   f   h

3.4 删除列

要想删除某一列数据，则可以使用del语句实现。

import numpy as np
import pandas as pd

# 创建数组
demo_arr = np.array([['a', 'b', 'c'],
                     ['d', 'e', 'f']])
# 基于数组创建DataFrame对象,并指定列索引
df_obj = pd.DataFrame(demo_arr, columns=['No1', 'No2', 'No3'])
print('原始数据：\n', df_obj)
# 删除No3一列数据
del df_obj['No3']
print('删除一列之后的数据：\n', df_obj)

输出：

原始数据：
   No1 No2 No3
0   a   b   c
1   d   e   f
删除一列之后的数据：
   No1 No2
0   a   b
1   d   e