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。我们将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并讨论其他数据结构。
| 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。
In [2]:
import pandas as pd
import numpy as np
创建一个包含100个随机数的 Series
In [3]:
s = pd.Series(np.random.randn(4))
print(s)
0 1.549542 1 -0.135235 2 -0.471869 3 -0.050726 dtype: float64
返回系列的标签列表。参考以下示例代码：
In [4]:
import pandas as pd
import numpy as np
创建一个包含100个随机数的 Series
In [5]:
s = pd.Series(np.random.randn(4))
print ("The axes are:")
The axes are:
In [6]:
print(s.axes)
[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] 。
In [7]:
s = pd.Series(np.random.randn(4))
print("Is the Object empty?", s.empty)
Is the Object empty? False
In [8]:
s = pd.Series(np.random.randn(4))
print(s)
0 -1.688740 1 -0.427721 2 0.685258 3 -0.192390 dtype: float64
In [9]:
print("The dimensions of the object:", s.ndim)
The dimensions of the object: 1
In [10]:
s = pd.Series(np.random.randn(2))
print(s)
0 -1.052340 1 0.528544 dtype: float64
In [11]:
print("The size of the object:", s.size)
The size of the object: 2
In [12]:
s = pd.Series(np.random.randn(4))
print(s)
0 0.390511 1 -0.933345 2 -0.604551 3 0.039096 dtype: float64
In [13]:
print("The actual data series is:", s.values)
The actual data series is: [ 0.39051077 -0.93334486 -0.60455064 0.03909632]
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。
创建一个包含4个随机数的序列
In [14]:
s = pd.Series(np.random.randn(4))
print("The original series is:")
The original series is:
In [15]:
print(s)
0 0.874249 1 0.275182 2 0.661165 3 -1.070576 dtype: float64
In [16]:
print("The first two rows of the data series:")
The first two rows of the data series:
In [17]:
print(s.head(2))
0 0.874249 1 0.275182 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：
创建一个包含4个随机数的 Series 。
In [18]:
s = pd.Series(np.random.randn(4))
print("The original series is:")
The original series is:
In [19]:
print(s)
0 0.243765 1 -0.323074 2 0.238040 3 0.082338 dtype: float64
In [20]:
print("The last two rows of the data series:")
The last two rows of the data series:
In [21]:
print(s.tail(2))
2 0.238040 3 0.082338 dtype: float64
执行上面示例代码，得到上面打印的结果。
| 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。
创建一个由 Series 组成的字典：
In [22]:
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])}
创建一个DataFrame（数据帧）：
In [23]:
df = pd.DataFrame(d)
print("Our data series is:")
Our data series is:
In [24]:
print(df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [25]:
import pandas as pd
import numpy as np
创建一个由 Series 组成的字典
In [26]:
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])}
创建一个DataFrame（数据帧）：
In [27]:
df = pd.DataFrame(d)
print ("The transpose of the data series is:")
The transpose of the data series is:
In [28]:
print (df.T)
0 1 2 3 4 5 6 Name Tom James Ricky Vin Steve Minsu Jack Age 25 26 25 23 30 29 23 Rating 4.23 3.24 3.98 2.56 3.2 4.6 3.8
In [29]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [30]:
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])}
创建一个DataFrame（数据帧）：
In [31]:
df = pd.DataFrame(d)
print ("Row axis labels and column axis labels are:")
Row axis labels and column axis labels are:
In [32]:
print( df.axes)
[RangeIndex(start=0, stop=7, step=1), Index(['Name', 'Age', 'Rating'], dtype='object')]
In [33]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [34]:
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])}
创建一个DataFrame（数据帧）：
In [35]:
df = pd.DataFrame(d)
print("The data types of each column are:")
The data types of each column are:
In [36]:
print(df.dtypes)
Name object Age int64 Rating float64 dtype: object
In [37]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [38]:
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])}
创建一个DataFrame（数据帧）：
In [39]:
df = pd.DataFrame(d)
print ("Is the object empty?")
Is the object empty?
In [40]:
print( df.empty)
False
In [41]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [42]:
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])}
创建一个DataFrame（数据帧）：
In [43]:
df = pd.DataFrame(d)
print ("Our object is:")
Our object is:
In [44]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [45]:
print ("The dimension of the object is:")
The dimension of the object is:
In [46]:
print (df.ndim)
2
In [47]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [48]:
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])}
创建一个DataFrame（数据帧）：
In [49]:
df = pd.DataFrame(d)
print ("Our object is:")
Our object is:
In [50]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [51]:
print ("The shape of the object is:")
The shape of the object is:
In [52]:
print (df.shape)
(7, 3)
In [53]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [54]:
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])}
创建一个DataFrame（数据帧）：
In [55]:
df = pd.DataFrame(d)
print ("Our object is:")
Our object is:
In [56]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [57]:
print ("The total number of elements in our object is:")
The total number of elements in our object is:
In [58]:
print (df.size)
21
In [59]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [60]:
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])}
创建一个DataFrame（数据帧）：
In [61]:
df = pd.DataFrame(d)
print ("Our object is:")
Our object is:
In [62]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [63]:
print ("The actual data in our data frame is:")
The actual data in our data frame is:
In [64]:
print (df.values)
[['Tom' 25 4.23] ['James' 26 3.24] ['Ricky' 25 3.98] ['Vin' 23 2.56] ['Steve' 30 3.2] ['Minsu' 29 4.6] ['Jack' 23 3.8]]
In [65]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [66]:
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])}
创建一个DataFrame（数据帧）：
In [67]:
df = pd.DataFrame(d)
print ("Our data frame is:")
Our data frame is:
In [68]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [69]:
print ("The first two rows of the data frame is:")
The first two rows of the data frame is:
In [70]:
print (df.head(2))
Name Age Rating 0 Tom 25 4.23 1 James 26 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。
In [71]:
import pandas as pd
import numpy as np
创建一个由 Series 构成的字典
In [72]:
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])}
创建一个DataFrame（数据帧）：
In [73]:
df = pd.DataFrame(d)
print ("Our data frame is:")
Our data frame is:
In [74]:
print (df)
Name Age Rating 0 Tom 25 4.23 1 James 26 3.24 2 Ricky 25 3.98 3 Vin 23 2.56 4 Steve 30 3.20 5 Minsu 29 4.60 6 Jack 23 3.80
In [75]:
print ("The last two rows of the data frame is:")
The last two rows of the data frame is:
In [76]:
print (df.tail(2))
Name Age Rating 5 Minsu 29 4.6 6 Jack 23 3.8