利用pandas进行数据分析之二：DataFrame与Series数据结构对比

Series与DataFrame对比学习

---

文章为本人原创，未经同意请勿转载，http://www.cnblogs.com/smallcrystal/

Series:构建的方法，一组数组（列表或元组），利用Series(),自动生成索引。或Series(字典),值只有一列，无列索引，只有行索引

属性： .index、.values   .name   .index.name   .values.name

>> data={'state':['ohio','ohio','ohio','nev','nev'],'year':[2000,2001,2002,2003,2004],'pop':[1.5,1.3,1.7,2.0,3.5]}

>>> pd.Series(data)

pop           [1.5, 1.3, 1.7, 2.0, 3.5]

state      [ohio, ohio, ohio, nev, nev]

year     [2000, 2001, 2002, 2003, 2004]

dtype: object

DataFrame:构建方法：直接传入一个由等长列表或Numpy数组组成的字典，利用DataFrame（），值有多列，并有列索引

1、由数组、列表或元组组成的字典：，每个序列变成DataFrame的一列，所有序列的长度必须相同

>>> data={'state':['ohio','ohio','ohio','nev','nev'],'year':[2000,2001,2002,2003,2004],'pop':[1.5,1.3,1.7,2.0,3.5]}

>>> pd.DataFrame(data)

pop state  year

0  1.5  ohio  2000

1  1.3  ohio  2001

2  1.7  ohio  2002

3  2.0   nev  2003

4  3.5   nev  2004

2、二维ndarray,可以传入行标和列标

>>> ARR=np.array([[1,2,3,4],[5,6,7,8]])

>>> ff=pd.DataFrame(ARR,columns=list('abcd'),index=['first','second'])

>>> ff

a  b  c  d

first   1  2  3  4

second  5  6  7  8

arr=pd.DataFrame(np.arange(12).reshape(4,3),index=[],columns)  #利用np.arange(12).reshape(n,m)生成二维ndarray

3、由字典组成的字典：各内层字典会成为一列，键会被合并成结果的行索引

4、由Series组成的字典，每个Series会成为一列，如果没有显示指定索引，则各Series的索引会被合并成结果的行索引

---

DataFrame:是一个表格型的数据结构，包含一组有序的列，每列可以是不同的值类型，既有行索引，又有列索引。

属性有DataFrame：.columns、 .index、.values

>>> pd.DataFrame(data,columns=['pop','year','state'])#指定列，则DataFrame的列就会按照指定顺序进行排列,和Series指定索引一样；

pop  year state

0  1.5  2000  ohio

1  1.3  2001  ohio

2  1.7  2002  ohio

3  2.0  2003   nev

4  3.5  2004   nev

>>> pd.Series(data,index=['pop','year','state'])

pop           [1.5, 1.3, 1.7, 2.0, 3.5]

year     [2000, 2001, 2002, 2003, 2004]

state      [ohio, ohio, ohio, nev, nev]

>>> pd.DataFrame(data,columns=['pop','other','state','add'])#如果传入的列正在数据中找不到，就会产生NA,和Series一样

pop other state  add

0  1.5   NaN  ohio  NaN

1  1.3   NaN  ohio  NaN

2  1.7   NaN  ohio  NaN

3  2.0   NaN   nev  NaN

4  3.5   NaN   nev  NaN

>>> pd.Series(data,index=['pop','year','state','ADD'])

pop           [1.5, 1.3, 1.7, 2.0, 3.5]

year     [2000, 2001, 2002, 2003, 2004]

state      [ohio, ohio, ohio, nev, nev]

ADD                                 NaN

>>> pd.DataFrame(data,index=list('abcde'))#更改索引

pop state  year

a  1.5  ohio  2000

b  1.3  ohio  2001

c  1.7  ohio  2002

d  2.0   nev  2003

e  3.5   nev  2004

---

属性

>>> f=pd.DataFrame(data,index=list('abcde'))

>>> f.index ###pandas的索引对象负责管理周标签和其他元数据（比如轴名称），index对象是不可修改的。

Index([u'a', u'b', u'c', u'd', u'e'], dtype='object')

>>> f.columns

Index([u'pop', u'state', u'year'], dtype='object')

>>> f.values#以二维ndarray的形式返回数据

array([[1.5, 'ohio', 2000],

[1.3, 'ohio', 2001],

[1.7, 'ohio', 2002],

[2.0, 'nev', 2003],

[3.5, 'nev', 2004]], dtype=object)

>>> s=pd.Series(data,index=['pop','year','state','ADD'])

>>> s.index

Index([u'pop', u'year', u'state', u'ADD'], dtype='object')

>>> s.values

array([[1.5, 1.3, 1.7, 2.0, 3.5], [2000, 2001, 2002, 2003, 2004],

['ohio', 'ohio', 'ohio', 'nev', 'nev'], nan], dtype=object)

---

获取列：通过类似字典标记的方式或属性的方式，将DataFrame的列获取为一个Series,返回的Series拥有原DataFrame相同的索引

>>> f['pop']#指定列,

a    1.5

b    1.3

c    1.7

d    2.0

e    3.5

>>> f.year#利用属性获取

a    2000

b    2001

c    2002

d    2003

e    2004

>>> s.year

[2000, 2001, 2002, 2003, 2004]

>>> s['year']

[2000, 2001, 2002, 2003, 2004]

>>> s[1]

[2000, 2001, 2002, 2003, 2004]

获取行：行可以通过位置或名称的方式进行索引，比如用索引字段ix

>>> f.ix['a']

pop       1.5

state    ohio

year     2000

Name: a, dtype: object

#列可以通过赋值方式进行修改，或增加列,将列表或者数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配

如果是Series，就会精确匹配DataFrame的索引，所有空位都将被填上缺失值

>>> f['add']=[10,20,30,40,50]

>>> f

pop state  year  add

a  1.5  ohio  2000   10

b  1.3  ohio  2001   20

c  1.7  ohio  2002   30

d  2.0   nev  2003   40

e  3.5   nev  2004   50

>>> s['add']=(1,2,3,4,5)

>>> s

pop           [1.5, 1.3, 1.7, 2.0, 3.5]

year     [2000, 2001, 2002, 2003, 2004]

state      [ohio, ohio, ohio, nev, nev]

ADD                                 NaN

add                     (1, 2, 3, 4, 5)

#删除列

>>> del f['add']

#转置

>>> f.T

a     b     c     d     e

pop     1.5   1.3   1.7     2   3.5

state  ohio  ohio  ohio   nev   nev

year   2000  2001  2002  2003  2004