Pandas库--数据结构

• 引入Pandas包
• Pandas数据结构
• 一维Series
• 创建对象
• （1）通过一维数组的方式创建
• （2）通过字典的方式创建

• 创建对象
• 访问数据
• 增加数据
• 删除数据

引入Pandas包

import pandas as pd

Pandas数据结构

python的pandas库中数据结构有：

1. Series：
         一维数组，与Numpy中的一维array类似，主要是由数组元素和与之对应的索引构成。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

2. Time- Series：
         以时间为索引的Series。

3. DataFrame：
          二维的表格型数据结构。可以将DataFrame理解为Series的容器。

4. Panel ：
         三维的数组，可以理解为DataFrame的容器。

5. Panel4D：
         四维数据容器。

6. PanelND：
         拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

其中在数据处理方面最主要的两个的数据结构是：Series和DataFrame

一维Series

      Series是一个类似一维数组的，他能够保存任何类型的数据，最简单的就是由一个数组和与之对应默认的索引值（0~N）组成

创建对象

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

其中：data是存放的数据；index是数据对应的索引值；dtype表示存放数据的类型（如int32、bool等）；name为存入数据的名字；copy默认的值为false

（1）通过一维数组的方式创建

pd.Series([1,2,3,4,5])

运行的结果：
类似于一个对应索引值的表格

（2）通过字典的方式创建

>>> weather={20200803:'rain',20200804:'sun',20200805:'rain'}
>>> pd.Series(weather)
20200803    rain
20200804     sun
20200805    rain
dtype: object

练习：作出一个菜单如下图

pd.Series(["4 cups","1 cup","2 large","1
can"],index=["Flour","Milk","Eggs","Spam"],dtype="object",name="Dinner")

访问数据

除了使用数据进行构建Series对象外，还可以采用下面的方法来获取index与values值

>>> Dinner=pd.Series(["4 cups","1 cup","2 large","1 can"],index=["Flour","Milk","Eggs","Spam"],dtype="object",name="Dinner")
#通过下标访问values的值
>>> Dinner[3]
'1 can'
#通过属性访问index/values的值
>>> Dinner.index
Index(['Flour', 'Milk', 'Eggs', 'Spam'], dtype='object')
>>> Dinner.values
array(['4 cups', '1 cup', '2 large', '1 can'], dtype=object)

数据运算

当某个索引对应的数据进行运算以后，运算结果会替换原先的数据并且仍然对应着之前的索引

>>> yunsuan=pd.Series([1,2,3,4,5])>>> yunsuan
0    1
1    2
2    3
3    4
4    5
dtype: int64
>>> yunsuan*yunsuan
0     1
1     4
2     9
3    16
4    25
dtype: int64

二维/表格DataFrame

      DataFrame是一个类似于二维数组或表格的对象。DataFrame不仅有行索引也同样有列索引。数据是可以有很多列的。

创建对象

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

其中：data是存放的数据；index是数据对应的行索引值（默认是一个从0~N的索引）；而columns为列索引；dtype表示存放数据的类型（如int32、bool等）；copy默认的值为false

练习：创建DataFrame如下图

fruits=pd.DataFrame({"Apples":[30],"Bananas":[21]})
>>> fruits
Apples  Bananas
0      30       21

访问数据

>>> element=fruits['Apples']
# 查看返回结果的类型
>>> type(element)
<class 'pandas.core.series.Series'>
# 得到的结果是一列Series对象
>>> element
0    30
Name: Apples, dtype: int64

增加数据

>>> fruits['Orange']=[20]
>>> fruits
Apples  Bananas  Orange
0      30       21      20

删除数据

>>> del fruits['Orange']
>>> fruits
Apples  Bananas
0      30       21