Python实用干货：panda多方面处理数据

Padas是用于数据分析的最流行的python库。它提供了高度优化的性能，后端源代码纯粹是用C或Python。可以用来分析：Series、DataFrames。

Series系列是在熊猫中定义的一维(1-D)数组，可用于存储任何数据类型。

代码1：创作系列

# Program to create series
  
# Import Panda Library
import pandas as pd  
  
# Create series with Data, and Index
a = pd.Series(Data, index = Index) 

1. 标量值可以是整值、字符串
2. Python字典可以是键，值对
3. Ndarray

可以通过Series的两个属性，index 和 value  来分别获取索引和值

obj.index
Out[5]: RangeIndex(start=0, stop=4, step=1)
 
obj.values
Out[7]: array([2, 9, 5, 6], dtype=int64)

代码2：当数据包含标量值时

# Program to Create series with scalar values  
  
# Numeric data 
Data =[1, 3, 4, 5, 6, 2, 9]   
  
# Creating series with default index values 
s = pd.Series(Data)     
  
# predefined index values 
Index =['a', 'b', 'c', 'd', 'e', 'f', 'g']  
  
# Creating series with predefined index values 
si = pd.Series(Data, Index)  

输出量：

代码3：当数据包含字典时

# Program to Create Dictionary series 
dictionary ={'a':1, 'b':2, 'c':3, 'd':4, 'e':5}  
  
# Creating series of Dictionary type 
sd = pd.Series(dictionary)  

输出量:

代码4：当数据包含Ndarray时

# Program to Create ndarray series 
  
# Defining 2darray 
Data =[[2, 3, 4], [5, 6, 7]]   
  
# Creating series of 2darray 
snd = pd.Series(Data)     

输出量:

Series 索引的 name 和 值的 name(相当于这两个向量的名字)

obj3.name
obj3.name="population"
obj3.index.name="ind"
obj3
Out[23]: 
ind
b    2.0
a    1.0
d    NaN
Name: population, dtype: float64

DataFrames：

DataFrames是在熊猫中定义的由行和列组成的二维(2-D)数据结构。是一个典型的表格型数据，既有行索引，又有列索引。相当于一个大字典，字典的键是列索引，字典的值是一个Series;  构成这些索引的每一个值的Series都是共用一个 Series 索引的。

代码1：创建DataFrame

# Program to Create DataFrame
  
# Import Library
import pandas as pd   
  
# Create DataFrame with Data
a = pd.DataFrame(Data)  

在这里，数据可以是：

1. 一个或多个字典
2. 一个或多个系列
3. 2D-Numpy Ndarray

代码2：当数据是字典时

# Program to Create Data Frame with two dictionaries
  
# Define Dictionary 1
dict1 ={'a':1, 'b':2, 'c':3, 'd':4}   
  
# Define Dictionary 2     
dict2 ={'a':5, 'b':6, 'c':7, 'd':8, 'e':9} 
  
# Define Data with dict1 and dict2
Data = {'first':dict1, 'second':dict2} 
  
# Create DataFrame 
df = pd.DataFrame(Data)  

输出量:

 DataFrame 默认通过 列索引获取一个series;(在series中默认通过索引获取一个值)

df["popular"] 或者 df.popular
Out[37]: 
0     8
1     9
2    10
3    11
Name: popular, dtype: int64

代码3：当数据是序列时

# Program to create Dataframe of three series 
import pandas as pd
  
# Define series 1
s1 = pd.Series([1, 3, 4, 5, 6, 2, 9])   
  
# Define series 2       
s2 = pd.Series([1.1, 3.5, 4.7, 5.8, 2.9, 9.3]) 
  
# Define series 3
s3 = pd.Series(['a', 'b', 'c', 'd', 'e'])     
  
# Define Data
Data ={'first':s1, 'second':s2, 'third':s3} 
  
# Create DataFrame
dfseries = pd.DataFrame(Data)    

输出量： 

DataFrame 通过 ix 间接获取行向量，行向量也是一个series，它的索引是原来DF的列索引。

df.loc[2]
Out[40]: 
cities       bj
year       2003
popular      10
Name: 2, dtype: object

代码4：当数据为2D-numpy ndarray时
注：在创建2D数组的DataFrame时，必须维护一个约束--2D数组的维数必须相同。

# Program to create DataFrame from 2D array
  
# Import Library
import pandas as pd 
  
# Define 2d array 1
d1 =[[2, 3, 4], [5, 6, 7]] 
  
# Define 2d array 2
d2 =[[2, 4, 8], [1, 3, 9]] 
  
# Define Data
Data ={'first': d1, 'second': d2}  
  
# Create DataFrame
df2d = pd.DataFrame(Data) 

输出量: