pandas读书笔记

pandas数据结构介绍

Series

类似一维数组的对象，数据(numpy数据类型)和相关的标签

obj = Series([4, 7, -5, 3])obj.indexobj.values# 指定索引obj2 = Series([4, 7, -5, 3], index=['d','b','a','c'])obj2.indexobj2['a']obj2[['a','d','c']]# numpy数组运算都会保留索引和值之间的链接obj2[obj2>0]obj2*2np.exp(obj2)# 可以看做一个定长的有序字典'b' in obj2# 如果数据存在Python字典中，可以通过字典来创建Seriessdata = {'Ohio':35000, 'Texas':71000, 'Oregon':16000, 'Utah':5000}obj3 = Series(sdata)states = ['California', 'Ohio', 'Oregon', 'Texas']obj4 = Series(sdata, index=states)pd.isnull(obj4)pd.notnull(obj4)obj4.isnull()# Series对象本身及其索引都有一个name属性obj4.name = 'population'obj4.index.name = 'state'# Series索引可以通过赋值就地修改obj.index = ['Bob', 'Steve', 'Jeff', 'Ryan']

DataFrame

表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型

# 构建DataFrame# 最常用直接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]}# 结果会自动加上索引frame = DataFrame(data)# 如果指定了列序列frame = DataFrame(data, columns=['year','state','pop'])# 和Series一样，如果传入的列在数据中找不到，产生NaNframe2 = DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one','two','three','four','five'])frame2.columns# 通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为Seriesframe2['state']frame2.year# 行获取frame2.ix['three']# 列可以通过赋值的方式修改frame2['debt'] = 16.5frame2['debt'] = np.arange(5.)# 将列表或数组赋值给某个列时，长度必须匹配，如果赋值的是Series，会精确匹配索引val = Series([-1.2, -1.5, -1.7], index = ['two', 'four', 'five'])frame2['debt'] = val# 为不存在的列赋值，会创建新列frame2['eastern'] = frame2.state == 'Ohio'# del 删除列del frame2['eastern']#### 通过索引方式返回的列都是相应数据的视图，不是副本# 另一种常见的数据形式：嵌套字典。外层键：列，内层键：索引pop = {'Nevada':{2001:2.4, 2002:2.9},'Ohio':{2000:1.5, 2001:1.7, 2002:3.6}}frame3 = DataFrame(pop)# 对结果进行转置frame3.T# 内层字典的键会被合并、排序形成最终的索引，如果显式指定了索引则不会这样DataFrame(pop, index=[2001,2002,2003])# index 和 columns的 name属性frame3.index.name = 'year'frame3.columns.name = 'state'frame3.values

索引对象