python數據處理工具 -- pandas（序列與數據框的構造）

   Pandas模塊的核心操做對象就是對序列(Series)和數據框（Dataframe）。序列能夠理解爲數據集中的一個字段，數據框是值包含至少兩個字段（或序列）

的數據集。

 

構造序列

1.經過同質的列表或元組構建

2.經過字典構建

3.經過numpy中的一維數組構建

4.經過數據框Dataframe中的某一列構建

例如：

import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'廣東':8.99,'江蘇':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
print(gdp1)
print(gdp2)
print(gdp3)

out:

0    2.80
1    3.01
2    8.99
3    8.59
4    5.18
dtype: float64
北京    2.80
上海    3.01
廣東    8.99
江蘇    8.59
浙江    5.18
dtype: float64
0    2.80
1    3.01
2    8.99
3    8.59
4    5.18
dtype: float64

如上所示：無論是列表，元組，仍是一維數組，構造的序列結果樣式會產生兩列，第一列屬於序列的索引列（也能夠理解爲行號）

，自動從0開始，第二列纔是序列的實際值。經過字典構造的序列就是第二個打印樣式，仍然包含兩列，所不一樣的是第一列再也不是行號，而是具體的行名稱（label），對應到字典中的鍵，第二列是序列的實際值，對應到字典的值；

 

序列與一維數組有極高的類似性，獲取一維數組元素的全部索引方法均可以用到序列上，並且數組的數學和統計函數也一樣能夠用到序列上。另外序列會有更多的其餘處理方法，以下：

import pandas as pd
import numpy as np
gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])
gdp2 = pd.Series({'北京':2.8,'上海':3.01,'廣東':8.99,'江蘇':8.59,'浙江':5.18})
gdp3 = pd.Series(np.array((2.8,3.01,8.99,8.59,5.18)))
# print(gdp1)
# print(gdp2)
# print(gdp3)
print('行號風格的序列: \n ',gdp1[[0,3,4]]) #取出gdp1中的第1 4 5個元素
print('行名稱風格的序列： \n',gdp2[[0,3,4]]) #取出gdp2中第 1 4 5個元素   取出的是字典的鍵值對
print('行名稱風格的序列:\n',gdp2[['上海','江蘇','浙江']])     # 取出的是鍵值對
print('經過numpy函數：\n',np.log(gdp1))     #能夠用函數的方式直接取出相應對應的結果的值，經過numpy的方式須要經過其索引
print('經過numpy函數:\n',np.mean(gdp1))     
print('經過序列的方法：\n',gdp1.mean())     #能夠看出序列也是支持方法的使用的

out：

行號風格的序列: 
  0    2.80
3    8.59
4    5.18
dtype: float64
行名稱風格的序列： 
 北京    2.80
江蘇    8.59
浙江    5.18
dtype: float64
行名稱風格的序列:
 上海    3.01
江蘇    8.59
浙江    5.18
dtype: float64
經過numpy函數：
 0    1.029619
1    1.101940
2    2.196113
3    2.150599
4    1.644805
dtype: float64
經過numpy函數:
 5.714
經過序列的方法：
 5.714

針對上面的代碼須要說明幾點，若是序列是行名稱風格，既可使用位置（行號）索引，又可使用標籤（行名稱）索引；若是須要對序列進行數序函數的運算，通常首選numpy模塊，由於pandas模塊在這方面比較缺少；若是是對序列作統計運算，既可使numpy模塊中的函數，也可使用序列中的方法。通常首選

序列方法，由於序列方法更加豐富一些，如計算序列的偏度，峯度，而Numpy是沒有這樣的函數的。

 

構造數據框

   數據實質上就是一個數據集，數據集的行表明每一條觀測，數據集的列則表明各個變量。在一個數據框中能夠存放不一樣數據類型的序列，如整數型，浮點型，字符型和日期時間型，而數組和序列則沒有這樣的優點，由於他們只能存放同質數據。構造一個數據庫能夠應用以下方式：

1.經過嵌套的列表或元組構造

2.經過字典構造

3.經過二維數組構造

4.經過外部數據的讀取構造。

示例：

 

import pandas as pd
import numpy as np
df1 = pd.DataFrame([['張三',23,'男'],['李四',27,'女'],['王五',26,'女']])
df2 = pd.DataFrame({'姓名':['張三','李四','王五'],'年齡':[23,27,26],'性別':['男','女','女']})
df3 = pd.DataFrame(np.array([['張三',23,'男'],['李四','27','女'],['王五',26,'女']]))
print('嵌套列表構造數據框：\n',df1)
print('字典構造數據框：\n',df2)
print('二維數組構造數據框：\n',df3)

out:

嵌套列表構造數據框：
     0   1  2
0  張三  23  男
1  李四  27  女
2  王五  26  女
字典構造數據框：
    姓名  年齡 性別
0  張三  23  男
1  李四  27  女
2  王五  26  女
二維數組構造數據框：
     0   1  2
0  張三  23  男
1  李四  27  女
2  王五  26  女

構造數據框須要使用到Pandas模塊中的DataFrame函數，若是經過嵌套列表或元組構造數據框，則須要將數據框的每一行觀測座位嵌套列表或元組的元素；若是經過二維數組構造數據框，則須要將數據框的每一行寫入到數組的行中；若是經過字典構造數據框，則字典的鍵構成數據框的變量名，對應的值構成數據的觀測。儘管上面的代碼均可以構造數據框，可是講嵌套列表，元組或二維數組轉換爲數據框時，數據框是沒有具體的變量名的，只有從0到N的列號。因此，若是須要手工構造數據框的話，通常首選字典方法。

 

外部數據的讀取

外部數據的讀取來構造數據框的內容會比較多，下一篇再來記錄...