📅  最后修改于: 2020-12-13 14:11:50             🧑  作者: Mango
Python主要通过两个库Pandas和Numpy处理各种格式的数据。在前面的章节中,我们已经看到了这两个库的重要功能。在本章中,我们将看到每个库中有关如何操作数据的一些基本示例。
NumPy中定义的最重要的对象是称为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。可以通过本教程后面介绍的不同数组创建例程来构造ndarray类的实例。基本ndarray使用NumPy中的数组函数创建,如下所示-
numpy.array
以下是有关Numpy数据处理的一些示例。
# 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]]
# 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]]
# 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]
熊猫通过Series , Data Frame和Panel处理数据。我们将从每个例子中看到一些例子。
系列是一维标记的数组,能够保存任何类型的数据(整数,字符串,浮点数, Python对象等)。轴标签统称为索引。可以使用以下构造函数创建pandas系列-
pandas.Series( data, index, dtype, copy)
在这里,我们从一个Numpy数组创建一个序列。
#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
其输出如下-
0 a
1 b
2 c
3 d
dtype: object
数据框是二维数据结构,即,数据以表格形式在行和列中对齐。可以使用以下构造函数创建pandas DataFrame-
pandas.DataFrame( data, index, columns, dtype, copy)
现在让我们使用数组创建索引的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
其输出如下-
Age Name
rank1 28 Tom
rank2 34 Jack
rank3 29 Steve
rank4 42 Ricky
面板是3D数据容器。术语“面板数据”是从计量经济学派生而来的,部分原因是名称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)
在下面的示例中,我们根据DataFrame对象的字典创建面板
#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
其输出如下-
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