Pandas基本功能
Pandas基本功能
到目前为止，我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并且还讨论其他数据结构。
系列基本功能
| 编号 | 属性或方法 | 描述 |
|---|---|---|
| 1 | axes |
返回行轴标签列表。 |
| 2 | dtype |
返回对象的数据类型(dtype)。 |
| 3 | empty |
如果系列为空，则返回True。 |
| 4 | ndim |
返回底层数据的维数，默认定义：1。 |
| 5 | size |
返回基础数据中的元素数。 |
| 6 | values |
将系列作为ndarray返回。 |
| 7 | head() |
返回前n行。 |
| 8 | tail() |
返回最后n行。 |
现在创建一个系列并演示如何使用上面所有列出的属性操作。
示例
import pandas as pd import numpy as np #Create a series with 100 random numbers s = pd.Series(np.random.randn(4)) print s
执行上面示例代码，得到以下输出结果 -
0 0.967853 -0.148368 -1.395906 -1.758394 dtype: float64
axes示例
返回系列的标签列表。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a series with 100 random numbers
s = pd.Series(np.random.randn(4))
print ("The axes are:")
print s.axes
执行上面示例代码，得到以下输出结果 -
The axes are: [RangeIndex(start=0, stop=4, step=1)]
上述结果是从0到5的值列表的紧凑格式，即：[0,1,2,3,4]。
empty示例
返回布尔值，表示对象是否为空。返回True则表示对象为空。
import pandas as pd
import numpy as np
#Create a series with 100 random numbers
s = pd.Series(np.random.randn(4))
print ("Is the Object empty?")
print s.empty
执行上面示例代码，得到以下输出结果 -
Is the Object empty? False
ndim示例
返回对象的维数。根据定义，一个系列是一个1D数据结构，参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print s
print ("The dimensions of the object:")
print s.ndim
执行上面示例代码，得到以下结果 -
0 0.175898 0.166197 -0.609712 -1.377000 dtype: float64 The dimensions of the object:
size示例
返回系列的大小(长度)。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a series with 4 random numbers
s = pd.Series(np.random.randn(2))
print s
print ("The size of the object:")
print s.size
执行上面示例代码，得到以下结果 -
0 3.078058 -1.207803 dtype: float64 The size of the object:
values示例
以数组形式返回系列中的实际数据值。
import pandas as pd
import numpy as np
#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print s
print ("The actual data series is:")
print s.values
执行上面示例代码，得到以下结果 -
0 1.787373 -0.605159 0.180477 -0.140922 dtype: float64 The actual data series is: [ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]
head()和tail()方法示例
要查看Series或DataFrame对象的小样本，请使用head()和tail()方法。
head()返回前n行(观察索引值)。要显示的元素的默认数量为5，但可以传递自定义这个数字值。
import pandas as pd
import numpy as np
#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print ("The original series is:")
print s
print ("The first two rows of the data series:")
print s.head(2)
执行上面示例代码，得到以下结果 -
The original series is: 0.720876 -0.765898 0.479221 -0.139547 dtype: float64 The first two rows of the data series: 0.720876 -0.765898 dtype: float64
tail()返回最后n行(观察索引值)。 要显示的元素的默认数量为5，但可以传递自定义数字值。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a series with 4 random numbers
s = pd.Series(np.random.randn(4))
print ("The original series is:")
print s
print ("The last two rows of the data series:")
print s.tail(2)
执行上面示例代码，得到以下结果 -
The original series is: -0.655091 -0.881407 -0.608592 -2.341413 dtype: float64 The last two rows of the data series: -0.608592 -2.341413 dtype: float64
DataFrame基本功能
下面来看看数据帧(DataFrame)的基本功能有哪些？下表列出了DataFrame基本功能的重要属性或方法。
| 编号 | 属性或方法 | 描述 |
|---|---|---|
| 1 | T |
转置行和列。 |
| 2 | axes |
返回一个列，行轴标签和列轴标签作为唯一的成员。 |
| 3 | dtypes |
返回此对象中的数据类型(dtypes)。 |
| 4 | empty |
如果NDFrame完全为空[无项目]，则返回为True; 如果任何轴的长度为0。 |
| 5 | ndim |
轴/数组维度大小。 |
| 6 | shape |
返回表示DataFrame的维度的元组。 |
| 7 | size |
NDFrame中的元素数。 |
| 8 | values |
NDFrame的Numpy表示。 |
| 9 | head() |
返回开头前n行。 |
| 10 | tail() |
返回最后n行。 |
下面来看看如何创建一个DataFrame并使用上述属性和方法。
示例
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data series is:")
print df
执行上面示例代码，得到以下结果 -
Our data series is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
T(转置)示例
返回DataFrame的转置。行和列将交换。参考以下示例代码 -
import pandas as pd
import numpy as np
# Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
# Create a DataFrame
df = pd.DataFrame(d)
print ("The transpose of the data series is:")
print df.T
执行上面示例代码，得到以下结果 -
The transpose of the data series is:
2 3 4 5 6
Age 25 26 25 23 30 29 23
Name Tom James Ricky Vin Steve Minsu Jack
Rating 4.23 3.24 3.98 2.56 3.2 4.6 3.8
axes示例
返回行轴标签和列轴标签列表。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Row axis labels and column axis labels are:")
print df.axes
执行上面示例代码，得到以下结果 -
Row axis labels and column axis labels are: [RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'], dtype='object')]
dtypes示例
返回每列的数据类型。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("The data types of each column are:")
print df.dtypes
执行上面示例代码，得到以下结果 -
The data types of each column are: Age int64 Name object Rating float64 dtype: object
empty示例
返回布尔值，表示对象是否为空; 返回True表示对象为空。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Is the object empty?")
print df.empty
执行上面示例代码，得到以下结果 -
Is the object empty? False
ndim示例
返回对象的维数。根据定义，DataFrame是一个2D对象。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The dimension of the object is:")
print df.ndim
执行上面示例代码，得到以下结果 -
Our object is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
The dimension of the object is:
shape示例
返回表示DataFrame的维度的元组。 元组(a，b)，其中a表示行数，b表示列数。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The shape of the object is:")
print df.shape
执行上面示例代码，得到以下结果 -
Our object is: Age Name Rating Tom 4.23 James 3.24 Ricky 3.98 Vin 2.56 Steve 3.20 Minsu 4.60 Jack 3.80 The shape of the object is: (7, 3)
size示例
返回DataFrame中的元素数。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The total number of elements in our object is:")
print df.size
执行上面示例代码，得到以下结果 -
Our object is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
The total number of elements in our object is:
values示例
将DataFrame中的实际数据作为NDarray返回。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our object is:")
print df
print ("The actual data in our data frame is:")
print df.values
执行上面示例代码，得到以下结果 -
Our object is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
The actual data in our data frame is:
[[25 'Tom' 4.23]
[26 'James' 3.24]
[25 'Ricky' 3.98]
[23 'Vin' 2.56]
[30 'Steve' 3.2]
[29 'Minsu' 4.6]
[23 'Jack' 3.8]]
head()和tail()示例
要查看DataFrame对象的小样本，可使用head()和tail()方法。head()返回前n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。参考以下示例代码 -
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data frame is:")
print df
print ("The first two rows of the data frame is:")
print df.head(2)
执行上面示例代码，得到以下结果 -
Our data frame is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
The first two rows of the data frame is:
Age Name Rating
Tom 4.23
James 3.24
tail()返回最后n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。
import pandas as pd
import numpy as np
#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),
'Age':pd.Series([25,26,25,23,30,29,23]),
'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}
#Create a DataFrame
df = pd.DataFrame(d)
print ("Our data frame is:")
print df
print ("The last two rows of the data frame is:")
print df.tail(2)
执行上面示例代码，得到以下结果 -
Our data frame is:
Age Name Rating
Tom 4.23
James 3.24
Ricky 3.98
Vin 2.56
Steve 3.20
Minsu 4.60
Jack 3.80
The last two rows of the data frame is:
Age Name Rating
Minsu 4.6
Jack 3.8
目录
