pandas 学习 第1篇：pandas基础 - 数据结构和数据类型

pandas是基于NumPy构建的模块，含有使数据分析更快更简单的操作工具和数据结构，是数据分析必不可少的五个包之一。pandas包含序列Series和数据框DataFrame两种最主要数据结构，索引Index是跟序列和数据框密切相关的数据结构。

通常情况下，引入pandas的约定，只要在代码中看到pd，就要联想到pandas：

import pandas as pd

一，数据结构

序列是由一组数据（各种NumPy数据类型），以及一组与之相关的数据标签（索引）组成，序列不要求数据类型是相同的。序列可以看作是一维数组：

>>> obj=pd.Series([4,5,'a'])
>>> obj
0    4
1    5
2    a
dtype: object

序列的表现形式为：索引在左边，值在右边。由于没有显式为Series指定索引，pandas会自动创建一个从0到N-1的整数型索引。

数据框（DataFrame）是二维的关系表格型数据结构，含有一组有序的列，每列的数据类型是相同的，列与列之间的数据类型可以不同，也可以相同。数据框的逻辑结构是行和列，列有列名（或叫做列索引），行有行索引，还可以为行或列索引设置标签。

序列和数据框之间是密切关联的，可以认为序列（Series）是二维表格中的一列或者一行。实际上，当访问DataFrame的一行时，pandas自动把该行转换为序列；当访问DataFrame的一列时，Pandas也自动把该列转换为序列。

Index对象是序列和数据框必不可少的成分，负责管理轴标签，轴名称等元数据，对于数据框，行有行索引，列有列索引；对于序列，行索引是必备的。索引对象是不可修改的，类似一个固定大小的数组。

二，数据类型

在大多数情况下，pandas使用NumPy的数组和dtypes作为序列和数据框中列的数据类型，NumPy支持的数据类型是float、int、bool、timedelta64[ns]。pandas扩展了NumPy的类型系统，用dtype属性来显示元素的数据类型，pandas主要有以下几种dtype：

• 字符串类型：object
• 整数类型：Int64，Int32，Int16, Int8
• 无符号整数：UInt64，UInt32，UInt16, UInt8
• 浮点数类型：float64，float32
• 日期和时间类型：datetime64[ns]、datetime64[ns, tz]、timedelta[ns]
• 布尔类型：bool

1，查看变量的类型

查看变量的数据类型，使用type(var)函数

type(obj)

2，特殊的objct类型

通常情况下，使用object表示字符类型；

>>> pd.Series(['a', 'b', 'c'], dtype="object")
0    a
1    b
2    c
dtype: object

对于object类型，如果一个pandas对象在单列中包括多个dtype，那么使用object来容纳所有的dtype。

# string data forces an ``object`` dtype
In [333]: pd.Series([1, 2, 3, 6., 'foo'])
Out[333]:
0      1
1      2
2      3
3      6
4    foo
dtype: object

3，数值类型

pandas中的整数类型和浮点数类型可以为空（NULL），在定义数据组或序列时，使用dtype参数来定义整数类型：

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())
pd.array([1, 2, np.nan], dtype="Int64")
pd.Series([1, 2, np.nan], dtype="Int32")

使用float32、float64定义浮点数类型：

>>> pd.Series([1, 2, np.nan], dtype="float32")
0    1.0
1    2.0
2    NaN
dtype: float32

4，日期和时间类型类型

datetime64[ns] 表示的是日期和时间类型

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]")
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

三，类型转换

可以使用astype()函数，显式把对象的类型从一个类型强制转换为指定的数据类型：

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]')
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

pandas还有类型转换的特殊函数，用于转换为特定的数据类型：

• to_numeric()
• to_datetime()
• to_timedelta()

比如，把序列转换为日期类型：

>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']))
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

 

参考文档：

pandas overview