到目前为止，我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并且还讨论其他数据结构。

系列基本功能

编号 属性或方法 描述
1 axes 返回行轴标签列表。
2 dtype 返回对象的数据类型(dtype)。
3 empty 如果系列为空，则返回True。
4 ndim 返回底层数据的维数，默认定义：1。
5 size 返回基础数据中的元素数。
6 values 将系列作为ndarray返回。
7 head() 返回前n行。
8 tail() 返回最后n行。

现在创建一个系列并演示如何使用上面所有列出的属性操作。

示例

import pandas as pd

import numpy as np

#Create a series with 100 random numbers

s = pd.Series(np.random.randn(4))

print s
Python

执行上面示例代码，得到以下输出结果 -

0   0.967853

1  -0.148368

2  -1.395906

3  -1.758394

dtype: float64
Python

axes示例

返回系列的标签列表。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 100 random numbers

s = pd.Series(np.random.randn(4))

print ("The axes are:")

print s.axes
Python

执行上面示例代码，得到以下输出结果 -

The axes are:

[RangeIndex(start=0, stop=4, step=1)]
Python

上述结果是从0到5的值列表的紧凑格式，即：[0,1,2,3,4]。

empty示例

返回布尔值，表示对象是否为空。返回True则表示对象为空。

import pandas as pd

import numpy as np

#Create a series with 100 random numbers

s = pd.Series(np.random.randn(4))

print ("Is the Object empty?")

print s.empty
Python

执行上面示例代码，得到以下输出结果 -

Is the Object empty?

False
Python

ndim示例

返回对象的维数。根据定义，一个系列是一个1D数据结构，参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

s = pd.Series(np.random.randn(4))

print s

print ("The dimensions of the object:")

print s.ndim
Python

执行上面示例代码，得到以下结果 -

0   0.175898

1   0.166197

2  -0.609712

3  -1.377000

dtype: float64

The dimensions of the object:

1
Shell

size示例

返回系列的大小(长度)。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

s = pd.Series(np.random.randn(2))

print s

print ("The size of the object:")

print s.size
Python

执行上面示例代码，得到以下结果 -

0   3.078058

1  -1.207803

dtype: float64

The size of the object:

2
Shell

values示例

以数组形式返回系列中的实际数据值。

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

s = pd.Series(np.random.randn(4))

print s

print ("The actual data series is:")

print s.values
Python

执行上面示例代码，得到以下结果 -

0   1.787373

1  -0.605159

2   0.180477

3  -0.140922

dtype: float64

The actual data series is:

[ 1.78737302 -0.60515881 0.18047664 -0.1409218 ]
Shell

head()和tail()方法示例

要查看Series或DataFrame对象的小样本，请使用head()和tail()方法。

head()返回前n行(观察索引值)。要显示的元素的默认数量为5，但可以传递自定义这个数字值。

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

s = pd.Series(np.random.randn(4))

print ("The original series is:")

print s

print ("The first two rows of the data series:")

print s.head(2)
Python

执行上面示例代码，得到以下结果 -

The original series is:

0   0.720876

1  -0.765898

2   0.479221

3  -0.139547

dtype: float64

The first two rows of the data series:

0   0.720876

1  -0.765898

dtype: float64
Shell

tail()返回最后n行(观察索引值)。 要显示的元素的默认数量为5，但可以传递自定义数字值。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a series with 4 random numbers

s = pd.Series(np.random.randn(4))

print ("The original series is:")

print s

print ("The last two rows of the data series:")

print s.tail(2)
Python

执行上面示例代码，得到以下结果 -

The original series is:

0 -0.655091

1 -0.881407

2 -0.608592

3 -2.341413

dtype: float64

The last two rows of the data series:

2 -0.608592

3 -2.341413

dtype: float64
Shell

DataFrame基本功能

下面来看看数据帧(DataFrame)的基本功能有哪些？下表列出了DataFrame基本功能的重要属性或方法。

编号 属性或方法 描述
1 T 转置行和列。
2 axes 返回一个列，行轴标签和列轴标签作为唯一的成员。
3 dtypes 返回此对象中的数据类型(dtypes)。
4 empty 如果NDFrame完全为空[无项目]，则返回为True; 如果任何轴的长度为0。
5 ndim 轴/数组维度大小。
6 shape 返回表示DataFrame的维度的元组。
7 size NDFrame中的元素数。
8 values NDFrame的Numpy表示。
9 head() 返回开头前n行。
10 tail() 返回最后n行。

下面来看看如何创建一个DataFrame并使用上述属性和方法。

示例

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data series is:")

print df
Python

执行上面示例代码，得到以下结果 -

Our data series is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80
Shell

T(转置)示例

返回DataFrame的转置。行和列将交换。参考以下示例代码 -

import pandas as pd

import numpy as np

# Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

# Create a DataFrame

df = pd.DataFrame(d)

print ("The transpose of the data series is:")

print df.T
Python

执行上面示例代码，得到以下结果 -

The transpose of the data series is:

         0     1       2      3      4      5       6

Age      25    26      25     23     30     29      23

Name     Tom   James   Ricky  Vin    Steve  Minsu   Jack

Rating   4.23  3.24    3.98   2.56   3.2    4.6     3.8
Shell

axes示例

返回行轴标签和列轴标签列表。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Row axis labels and column axis labels are:")

print df.axes
Python

执行上面示例代码，得到以下结果 -

Row axis labels and column axis labels are:

[RangeIndex(start=0, stop=7, step=1), Index([u'Age', u'Name', u'Rating'],

dtype='object')]
Shell

dtypes示例

返回每列的数据类型。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("The data types of each column are:")

print df.dtypes
Python

执行上面示例代码，得到以下结果 -

The data types of each column are:

Age     int64

Name    object

Rating  float64

dtype: object
Shell

empty示例

返回布尔值，表示对象是否为空; 返回True表示对象为空。

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Is the object empty?")

print df.empty
Python

执行上面示例代码，得到以下结果 -

Is the object empty?

False
Shell

ndim示例

返回对象的维数。根据定义，DataFrame是一个2D对象。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The dimension of the object is:")

print df.ndim
Python

执行上面示例代码，得到以下结果 -

Our object is:

      Age    Name     Rating

0     25     Tom      4.23

1     26     James    3.24

2     25     Ricky    3.98

3     23     Vin      2.56

4     30     Steve    3.20

5     29     Minsu    4.60

6     23     Jack     3.80

The dimension of the object is:

2
Shell

shape示例

返回表示DataFrame的维度的元组。 元组(a，b)，其中a表示行数，b表示列数。

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The shape of the object is:")

print df.shape
Python

执行上面示例代码，得到以下结果 -

Our object is:

   Age   Name    Rating

0  25    Tom     4.23

1  26    James   3.24

2  25    Ricky   3.98

3  23    Vin     2.56

4  30    Steve   3.20

5  29    Minsu   4.60

6  23    Jack    3.80

The shape of the object is:

(7, 3)
Shell

size示例

返回DataFrame中的元素数。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The total number of elements in our object is:")

print df.size
Python

执行上面示例代码，得到以下结果 -

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The total number of elements in our object is:

21
Shell

values示例

将DataFrame中的实际数据作为NDarray返回。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our object is:")

print df

print ("The actual data in our data frame is:")

print df.values
Python

执行上面示例代码，得到以下结果 -

Our object is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The actual data in our data frame is:

[[25 'Tom' 4.23]

[26 'James' 3.24]

[25 'Ricky' 3.98]

[23 'Vin' 2.56]

[30 'Steve' 3.2]

[29 'Minsu' 4.6]

[23 'Jack' 3.8]]
Shell

head()和tail()示例

要查看DataFrame对象的小样本，可使用head()和tail()方法。head()返回前n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。参考以下示例代码 -

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data frame is:")

print df

print ("The first two rows of the data frame is:")

print df.head(2)
Python

执行上面示例代码，得到以下结果 -

Our data frame is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The first two rows of the data frame is:

   Age   Name   Rating

0  25    Tom    4.23

1  26    James  3.24
Shell

tail()返回最后n行(观察索引值)。显示元素的默认数量为5，但可以传递自定义数字值。

import pandas as pd

import numpy as np

#Create a Dictionary of series

d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Minsu','Jack']),

   'Age':pd.Series([25,26,25,23,30,29,23]),

   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8])}

#Create a DataFrame

df = pd.DataFrame(d)

print ("Our data frame is:")

print df

print ("The last two rows of the data frame is:")

print df.tail(2)
Python

执行上面示例代码，得到以下结果 -

Our data frame is:

    Age   Name    Rating

0   25    Tom     4.23

1   26    James   3.24

2   25    Ricky   3.98

3   23    Vin     2.56

4   30    Steve   3.20

5   29    Minsu   4.60

6   23    Jack    3.80

The last two rows of the data frame is:

    Age   Name    Rating

5   29    Minsu    4.6

6   23    Jack     3.8
Shell
 

Pandas基本功能的更多相关文章

  1. pandas小记：pandas高级功能

    http://blog.csdn.net/pipisorry/article/details/53486777 pandas高级功能:面板数据.字符串方法.分类.可视化. 面板数据 {pandas数据 ...

  2. Pandas基本功能详解

    Pandas基本功能详解 Pandas  Pandas基本功能详解 |轻松玩转Pandas(2) 参考:Pandas基本功能详解 |轻松玩转Pandas(2)

  3. Pandas基本功能之reindex重新索引

    重新索引 reindex重置索引,如果索引值不存在,就引入缺失值 参数介绍 参数 说明 index 用作索引的新序列 method 插值 fill_vlaue 引入缺失值时的替代NaN limit 最 ...

  4. python使用easyinstall安装xlrd、xlwt、pandas等功能模块的方法

    在日常工作中,使用Python时经常要引入一些集成好的第三方功能模块,如读写excel的xlrd和xlwt模块,以及数据分析常用的pandas模块等. 原生的python并不含这些模块,在使用这些功能 ...

  5. Pandas日期功能

    日期功能扩展了时间序列,在财务数据分析中起主要作用.在处理日期数据的同时,我们经常会遇到以下情况 - 生成日期序列 将日期序列转换为不同的频率 创建一个日期范围 通过指定周期和频率,使用date.ra ...

  6. Pandas常用功能

    在使用Pandas之前,需要导入pandas库 import pandas  as pd #pd作为pandas的别名 常用功能如下: 代码 功能1 .DataFrame()   创建一个DataFr ...

  7. Pandas常用功能总结

    1.读取.csv文件 df2 = pd.read_csv('beijingsale.csv', encoding='gb2312',index_col='id',sep='\t',header=Non ...

  8. Pandas基本功能之层次化索引及层次化汇总

    层次化索引 层次化也就是在一个轴上拥有多个索引级别 Series的层次化索引 data=Series(np.random.randn(10),index=[ ['a','a','a','b','b', ...

  9. Pandas基本功能之算术运算、排序和排名

    算术运算和数据对齐 Series和DataFrame中行运算和列运算有种特征叫做广播 在将对象相加时,如果存在不同的索引对,则结果的索引就是该索引对的并集.自动的数据对齐操作在不重叠的索引处引入了NA ...

随机推荐

  1. 创建TPL自定义模板

    文件布局 <!--1d7c7a527b6335cc7a623305ca940e1findex.tpl.html--> <!DOCTYPE html PUBLIC "-//W ...

  2. Spring 框架的核心功能之AOP技术

    1. AOP 的概述 AOP, Aspect Oriented Programming, 面向切面编程; 通过预编译方式和运行期动态代理实现程序功能的统一维护的技术; AOP 采取横向抽取机制,取代了 ...

  3. Linux使用SecureCRT上传下载

    操作远程 Linux 系统,很多时候选用 SecureCRT 软件,在 SecureCRT 环境下,使用 lrzsz 工具可以很方便的完成文件的上传下载. 这里使用的 Ubuntu Linux 安装: ...

  4. Scrapy(爬虫)基本运行机制

    Scrapy(爬虫)基本运行机制

  5. Python高级教程-Map/Reduce

    Python中的map()和reduce() Python内建了map()和reduce()函数. map() map()函数接收两个参数,一个是函数,一个是序列,map将传入的函数依次作用到序列的每 ...

  6. 部门人员能力模型的思考：海军 or 海盗——By Me

    我们欢迎您的加入,与我们一起推动安全可视化团队的成长,实现技术上共同进步和感情上的更多互相支持!

  7. 003-Java非堆CodeCache详解

    一.概述 Java的内存由堆和非堆两个部分组成.对于堆来说,它的组成是比较确定的,它包含了年轻代和年老代两个部分,而年轻代又是由Eden区和两个Survivor区组成.可是,非堆由哪些部分组成呢? 在 ...

  8. SQL基础一

    一.什么是SQL? SQL是结构化查询语言 SQL使我们有能力访问数据库 SQL是一种ANSI的标准计算机语言 二.SQL能做什么? SQL 面向数据库执行查询 SQL 可从数据库取回数据 SQL 可 ...

  9. 阿里、腾讯、京东、微软，各家算法&数据挖掘岗位面经大起底!

    阿里.腾讯.京东.微软,各家算法&数据挖掘岗位面经大起底! 2016-02-24 36大数据 36大数据 作者: 江少华 摘要: 从2015年8月到2015年10月,花了3个月时间找工作,先后 ...

  10. django-admin自定义登录

    这个效果,单位代码是User model 的一个外键Company 通过修改form,然后在前端显示 修改form class AuthenticationForm(forms.Form): &quo ...