pandas数据结构：Series/DataFrame；python函数：range/arange

---

1. Series

　　Series 是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。

　　1.1 下边生成一个最简单的Series对象，因为没有给Series指定索引，所以此时会使用默认索引(从0到N-1)。

# 引入Series和DataFrame
In [16]: from pandas import Series,DataFrame
In [17]: import pandas as pd

In [18]: ser1 = Series([1,2,3,4])

In [19]: ser1
Out[19]:
0    1
1    2
2    3
3    4
dtype: int64

　　1.2 当要生成一个指定索引的Series 时候，可以这样：　　

# 给index指定一个list
In [23]: ser2 = Series(range(4),index = ["a","b","c","d"])

In [24]: ser2
Out[24]:
a    0
b    1
c    2
d    3
dtype: int64

　　1.3 也可以通过字典来创建Series对象

In [45]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}

In [46]: ser3 = Series(sdata)
# 可以发现，用字典创建的Series是按index有序的
In [47]: ser3
Out[47]:
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

　　在用字典生成Series的时候，也可以指定索引，当索引中值对应的字典中的值不存在的时候，则此索引的值标记为Missing，NA，并且可以通过函数（pandas.isnull，pandas.notnull）来确定哪些索引对应的值是没有的。

In [48]: states = ['California', 'Ohio', 'Oregon', 'Texas']

In [49]: ser3 = Series(sdata,index = states)

In [50]: ser3
Out[50]:
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
# 判断哪些值为空
In [51]: pd.isnull(ser3)
Out[51]: 
California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool

In [52]: pd.notnull(ser3)
Out[52]: 
California    False
Ohio           True
Oregon         True
Texas          True
dtype: bool

　　1.4 访问Series中的元素和索引：

# 访问索引为"a"的元素
In [25]: ser2["a"]
Out[25]: 0
# 访问索引为"a","c"的元素
In [26]: ser2[["a","c"]]
Out[26]:
a    0
c    2
dtype: int64
# 获取所有的值
In [27]: ser2.values
Out[27]: array([0, 1, 2, 3])
# 获取所有的索引
In [28]: ser2.index
Out[28]: Index([u'a', u'b', u'c', u'd'], dtype='object')

　　1.5 简单运算

　　在pandas的Series中，会保留NumPy的数组操作（用布尔数组过滤数据，标量乘法，以及使用数学函数），并同时保持引用的使用

In [34]: ser2[ser2 > 2]
Out[34]:
a    64
d     3
dtype: int64

In [35]: ser2 * 2
Out[35]:
a    128
b      2
c      4
d      6
dtype: int64

In [36]: np.exp(ser2)
Out[36]:
a    6.235149e+27
b    2.718282e+00
c    7.389056e+00
d    2.008554e+01
dtype: float64

　　1.6 Series的自动对齐

　　　　Series的一个重要功能就是自动对齐（不明觉厉），看看例子就明白了。 差不多就是不同Series对象运算的时候根据其索引进行匹配计算。

# ser3 的内容
In [60]: ser3
Out[60]:
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64
# ser4 的内容
In [61]: ser4
Out[61]:
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
# 相同索引值的元素相加
In [62]: ser3 + ser4
Out[62]:
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64

　　1.7 命名

　　Series对象本身，以及索引都有一个 name 属性

In [64]: ser4.index.name = "state"

In [65]: ser4.name = "population"

In [66]: ser4
Out[66]:
state
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
Name: population, dtype: float64

转自：http://www.cnblogs.com/linux-wangkun/p/5903380.html

---

DataFrame

用pandas中的DataFrame时选取行或列：

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame

ser = Series(np.arange(3.))

data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))

data['w']  #选择表格中的'w'列，使用类字典属性,返回的是Series类型

data.w    #选择表格中的'w'列，使用点属性,返回的是Series类型

data[['w']]  #选择表格中的'w'列，返回的是DataFrame类型

data[['w','z']]  #选择表格中的'w'、'z'列

data[0:2]  #返回第1行到第2行的所有行，前闭后开，包括前不包括后

data[1:2]  #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，
       #如果采用data[1]则报错

data.ix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同

data['a':'b']  #利用index值进行切片，返回的是**前闭后闭**的DataFrame,
        #即末端是包含的  

#——————新版本pandas已舍弃该方法，用iloc代替———————
data.irow(0)   #取data的第一行
data.icol(0)   #取data的第一列

ser.iget_value(0)  #选取ser序列中的第一个
ser.iget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。
#————————————————————————————-----------------

data.head()  #返回data的前几行数据，默认为前五行，需要前十行则data.head(10)
data.tail()  #返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)

data.iloc[-1]   #选取DataFrame最后一行，返回的是Series
data.iloc[-1:]   #选取DataFrame最后一行，返回的是DataFrame

data.loc['a',['w','x']]   #返回‘a’行'w'、'x'列，这种用于选取行索引列索引已知

data.iat[1,1]   #选取第二行第二列，用于已知行、列位置的选取。

　转自：https://blog.csdn.net/xiaodongxiexie/article/details/53108959

---

DataFrame的排序

原来的方法sort/sort_index都已经过时，调用时会报错：

sort方法就直接找不到。

应该调用sort_values方法来进行排序：

---

Python 中的range,以及numpy包中的arange函数

range()函数

• 函数说明： range(start, stop[, step]) -> range object，根据start与stop指定的范围以及step设定的步长，生成一个序列。
  参数含义：start:计数从start开始。默认是从0开始。例如range（5）等价于range（0， 5）;
                end:技术到end结束，但不包括end.例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5
                scan：每次跳跃的间距，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)
  函数返回的是一个range object
  例子：

>>> range(0,5)                 #生成一个range object,而不是[0,1,2,3,4]
range(0, 5)
>>> c = [i for i in range(0,5)]     #从0 开始到4，不包括5，默认的间隔为1
>>> c
[0, 1, 2, 3, 4]
>>> c = [i for i in range(0,5,2)]   #间隔设为2
>>> c
[0, 2, 4]  

若需要生成[ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]

>>> range(0,1,0.1)    #range中的setp 不能使float
Traceback (most recent call last):
  File ”<pyshell#5>”, line 1, in <module>
    range(0,1,0.1)
TypeError: ’float’ object cannot be interpreted as an integer  

arrange()函数

• 函数说明：arange([start,] stop[, step,], dtype=None)根据start与stop指定的范围以及step设定的步长，生成一个 ndarray。 dtype : dtype
          The type of the output array.  If `dtype` is not given, infer the data
          type from the other input arguments.

>>> np.arange(3)
  array([0, 1, 2])
  >>> np.arange(3.0)
  array([ 0.,  1.,  2.])
  >>> np.arange(3,7)
  array([3, 4, 5, 6])
  >>> np.arange(3,7,2)
  array([3, 5])  

>>> arange(0,1,0.1)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9]) 

转自：http://blog.csdn.net/qianwenhong/article/details/41414809

Python 中的range,以及numpy包中的arange函数

range()函数

• 函数说明： range(start, stop[, step]) -> range object，根据start与stop指定的范围以及step设定的步长，生成一个序列。
  参数含义：start:计数从start开始。默认是从0开始。例如range（5）等价于range（0， 5）;
                end:技术到end结束，但不包括end.例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5
                scan：每次跳跃的间距，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)
  函数返回的是一个range object
  例子：
• [python] view plain copy

   

   

  1. >>> range(0,5)                 #生成一个range object,而不是[0,1,2,3,4]
  2. range(0, 5)
  3. >>> c = [i for i in range(0,5)]     #从0 开始到4，不包括5，默认的间隔为1
  4. >>> c
  5. [0, 1, 2, 3, 4]
  6. >>> c = [i for i in range(0,5,2)]   #间隔设为2
  7. >>> c
  8. [0, 2, 4]

  >>> range(0,5)               #生成一个range object,而不是[0,1,2,3,4]
  range(0, 5)
  >>> c = [i for i in range(0,5)]     #从0 开始到4，不包括5，默认的间隔为1
  >>> c
  [0, 1, 2, 3, 4]
  >>> c = [i for i in range(0,5,2)]   #间隔设为2
  >>> c
  [0, 2, 4]

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
• 若需要生成[ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]
  [python] view plain copy

   

   

  1. >>> range(0,1,0.1)    #range中的setp 不能使float
  2. Traceback (most recent call last):
  3. File ”<pyshell#5>”, line 1, in <module>
  4. range(0,1,0.1)
  5. TypeError: ’float’ object cannot be interpreted as an integer

  >>> range(0,1,0.1)    #range中的setp 不能使float
  Traceback (most recent call last):
    File "<pyshell#5>", line 1, in <module>
      range(0,1,0.1)
  TypeError: 'float' object cannot be interpreted as an integer

  • 1
  • 2
  • 3
  • 4
  • 5

arrange()函数

• 函数说明：arange([start,] stop[, step,], dtype=None)根据start与stop指定的范围以及step设定的步长，生成一个 ndarray。 dtype : dtype
          The type of the output array.  If `dtype` is not given, infer the data
          type from the other input arguments.
  [python] view plain copy

   

   

  1. >>> np.arange(3)
  2. array([0, 1, 2])
  3. >>> np.arange(3.0)
  4. array([ 0.,  1.,  2.])
  5. >>> np.arange(3,7)
  6. array([3, 4, 5, 6])
  7. >>> np.arange(3,7,2)
  8. array([3, 5])

    >>> np.arange(3)
      array([0, 1, 2])
      >>> np.arange(3.0)
      array([ 0.,  1.,  2.])
      >>> np.arange(3,7)
      array([3, 4, 5, 6])
      >>> np.arange(3,7,2)
      array([3, 5])

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
• [python] view plain copy

   

   

  1. >>> arange(0,1,0.1)
  2. array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])

  >>> arange(0,1,0.1)
  array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])