1 pandas介绍
2008年wesmckinney开发出的库
专门用于数据挖掘的开源python库
以numpy为基础，借力numpy模块在计算方面性能高的优势
基于matplotlib，能够简便的画图
独特的数据结构
numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？
- 增强图表可读性
- 便捷的数据处理能力
- 读取文件方便
- 封装了matplotlib、numpy的画图和计算
2 pandas数据结构
pandas中一共有三种数据结构，分别为：series、dataframe和multiindex（老版本中叫panel ）。
其中series是一维数据结构，dataframe是二维的表格型数据结构，multiindex是三维的数据结构。
2.1 series
series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。
2.1.1 series的创建
参数：
- data：传入的数据，可以是ndarray、list等
- index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-n的整数索引。
- dtype：数据的类型
指定索引创建：
通过字典数据创建
2.1.2 series的属性
为了更方便地操作series对象中的索引和数据，series中提供了两个属性index和values
1.index
2.values
当然也可以使用索引来获取数据：
2.2 dataframe
dataframe是一个类似于二维数组或表格(如excel)的对象，既有行索引，又有列索引。
- 行索引，表明不同行，横向索引，叫index，0轴，axis=0
- 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1
2.2.1 dataframe的创建
参数：
- index：行标签。如果没有传入索引参数，则默认会自动创建一个从0-n的整数索引。
- columns：列标签。如果没有传入索引参数，则默认会自动创建一个从0-n的整数索引。
举例：创建学生成绩表
但是这样的数据形式很难看到存储的是什么的样的数据，可读性比较差！！
问题：如何让数据更有意义的显示？
增加行、列索引：
2.2.2 dataframe的属性
1.shape
2.index
dataframe的行索引列表
3.columns
dataframe的列索引列表
4.values
直接获取其中array的值
5.t
转置
输出结果：
6.head(5)：显示前5行内容 （很常用）
如果不补充参数，默认5行。填入参数n则显示前n行
7.tail(5):显示后5行内容
如果不补充参数，默认5行。填入参数n则显示后n行
2.2.3 datatframe索引的设置
1.修改行列索引值
注意：以下修改方式是错误的
2.重设索引
reset_index(drop=false)
- 设置新的下标索引
- drop:默认为false，不删除原来索引，如果为true,删除原来的索引值
3.以某列值设置为新的索引
set_index(keys, drop=true)
- keys : 列索引名成或者列索引名称的列表
- drop : boolean, default true.当做新的索引，删除原来的列
注：通过刚才的设置，这样dataframe就变成了一个具有multiindex的dataframe。
到此这篇关于python pandas学习之pandas数据结构详解的文章就介绍到这了,更多相关python pandas数据结构内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
