Python数据操作

文章Python数据操作分享给大家，欢迎收藏Python资料网，专注分享技术知识

Python主要通过Pandas和Numpy这两个库来处理各种格式的数据。 我们已经在前面的章节中看到了这两个库的重要特征。 在本章中，我们将看到每个库中关于如何操作数据的一些基本示例。

Numpy中的数据操作

NumPy中定义的最重要的对象是名为ndarray的N维数组类型。 它描述了相同类型的项目的集合。 可以使用从零开始的索引来访问集合中的项目。 ndarray类的一个实例可以通过本教程稍后介绍的不同阵列创建例程来构建。 基本的ndarray是使用NumPy中的数组函数创建的，如下所示 -

numpy.array

以下是关于Numpy数据处理的一些示例。

示例1

# more than one dimensions 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print (a)

输出如下 -

[[1, 2] 
 [3, 4]]

示例2

# minimum dimensions 
import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print (a)

输出如下 -

[[1, 2, 3, 4, 5]]

示例3

# dtype parameter 
import numpy as np 
a = np.array([1, 2, 3], dtype = complex) 
print (a)

输出如下 -

[ 1.+0.j,  2.+0.j,  3.+0.j]

Pandas数据操作

Pandas 通过数列(Series)，数据框和面板处理数据。 我们将看到一些例子。

Pandas数列
Series是一维标签数组，能够容纳任何类型的数据(整数，字符串，浮点数，python对象等)。 轴标签统称为索引。 Pandas系列可以使用以下构造函数创建 -

pandas.Series( data, index, dtype, copy)

示例
这里从Numpy Array创建一个系列。

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print (s)

它将输出如下结果 -

0   a
1   b
2   c
3   d
dtype: object

Pandas数据帧

数据帧(DataFrame)是一个二维数据结构，即数据按行和列的表格方式排列。 可以使用以下构造函数创建一个pandas DataFrame -

pandas.DataFrame( data, index, columns, dtype, copy)

现在使用数组来创建索引的DataFrame。

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df

它将输出如下结果 -

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

Pandas面板

面板是数据的3D容器。 术语面板数据来自计量经济学，部分负责名称pandas - pan(el)-da(ta)-s。

面板可以使用以下构造函数创建 -

pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)

在下面的例子中，从DataFrame对象的字典创建一个面板 -

#creating an empty panel
import pandas as pd
import numpy as np

data = {'Item1' : pd.DataFrame(np.random.randn(4, 3)), 
        'Item2' : pd.DataFrame(np.random.randn(4, 2))}
p = pd.Panel(data)
print (p)

它将输出如下结果 -

<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis)
Items axis: 0 to 1
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 4

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！