Python Data Science 简明教程

Python - Data Operations

Python 主要通过两个库 Pandas 和 Numpy 处理各种格式的数据。我们在前几章已经了解了这两个库的重要特性。本章我们将分别从每个库中了解一些基本示例，了解如何对数据进行操作。

Data Operations in Numpy

NumPy 中定义的最重要的对象是一个称为 ndarray 的 N 维数组类型。它描述了相同类型的项目的集合。可以使用基于零的索引访问集合中的项目。可以通过本教程后面描述的不同数组创建例程来构造 ndarray 类的实例。使用 NumPy 中的数组功能创建基本 ndarray 如下所示 −

numpy.array

以下是一些关于 Numpy 数据处理的示例。

Example 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]]

Example 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]]

Example 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]

Data Operations in Pandas

Pandas 通过 Series 、 Data Frame 和 Panel 处理数据。我们将从每个部分中了解一些示例。

Pandas Series

Series 是一个一维标记数组，能够容纳任何类型（整数、字符串、浮点数、Python 对象等）的数据。轴标签统称为索引。可以使用以下构造函数创建 Pandas Series −

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

Example

我们在这里根据 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

它的 output 如下所示 −

0   a
1   b
2   c
3   d
dtype: object

Pandas DataFrame

数据框是二维数据结构，即，数据在行和列中按表格方式对齐。可以使用以下构造函数创建熊猫数据框 −

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

现在我们使用数组创建索引数据框。

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

它的 output 如下所示 −

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

Pandas Panel

panel 是数据的 3D 容器。术语 Panel data 衍生自计量经济学并且部分负责熊猫名称 − pan(el)-da(ta) -s。

可以使用以下构造函数创建一个面板 −

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

在下面示例中我们根据数据框对象词典创建一个面板

#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

它的 output 如下所示 −

<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