Pandas面板（Panel）

面板(Panel)是3D容器的数据。面板数据一词来源于计量经济学，部分源于名称：Pandas - pan(el)-da(ta)-s。

3轴(axis)这个名称旨在给出描述涉及面板数据的操作的一些语义。它们是 -

items - axis 0，每个项目对应于内部包含的数据帧(DataFrame)。
major_axis - axis 1，它是每个数据帧(DataFrame)的索引(行)。
minor_axis - axis 2，它是每个数据帧(DataFrame)的列。

1. pandas.Panel()

可以使用以下构造函数创建面板 -

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

Python

构造函数的参数如下 -

参数	描述
`data`	数据采取各种形式，如：`ndarray`，`series`，`map`，`lists`，`dict`，`constant`和另一个数据帧(`DataFrame`)
`items`	`axis=0`
`major_axis`	`axis=1`
`minor_axis`	`axis=2`
`dtype`	每列的数据类型
`copy`	复制数据，默认 - `false`

2. 创建面板

可以使用多种方式创建面板 -

从ndarrays创建
从DataFrames的dict创建

2.1 从3D ndarray创建

# creating an empty panel

import pandas as pd

import numpy as np

data = np.random.rand(2,4,5)

p = pd.Panel(data)

print p

Python

执行上面示例代码，得到以下结果 -

<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

Shell

注意 - 观察空面板和上面板的尺寸大小，所有对象都不同。

2.2 从DataFrame对象的dict创建面板

#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

Python

执行上面示例代码，得到以下结果 -

<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

Shell

2.3 创建一个空面板

可以使用Panel的构造函数创建一个空面板，如下所示：

#creating an empty panel

import pandas as pd

p = pd.Panel()

print p

Python

执行上面示例代码，得到以下结果 -

<class 'pandas.core.panel.Panel'>

Dimensions: 0 (items) x 0 (major_axis) x 0 (minor_axis)

Items axis: None

Major_axis axis: None

Minor_axis axis: None

Shell

3. 从面板中选择数据

要从面板中选择数据，可以使用以下方式 -

Items
Major_axis
Minor_axis

使用Items

# 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['Item1']

Python

执行上面示例代码，得到以下结果 -

            0          1          2

0    0.488224  -0.128637   0.930817

1    0.417497   0.896681   0.576657

2   -2.775266   0.571668   0.290082

3   -0.400538  -0.144234   1.110535

Shell

上面示例有两个数据项，这里只检索item1。结果是具有4行和3列的数据帧(DataFrame)，它们是Major_axis和Minor_axis维。

使用major_axis

可以使用panel.major_axis(index)方法访问数据。参考以下示例代码 -

# 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.major_xs(1)

Python

执行上面示例代码，得到以下结果 -

      Item1       Item2

0   0.417497    0.748412

1   0.896681   -0.557322

2   0.576657       NaN

Shell

使用minor_axis

可以使用panel.minor_axis(index)方法访问数据。参考以下示例代码 -

# 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.minor_xs(1)

Python

执行上面示例代码，得到以下结果 -

       Item1       Item2

0   -0.128637   -1.047032

1    0.896681   -0.557322

2    0.571668    0.431953

3   -0.144234    1.302466

Shell

注意 - 观察尺寸大不的变化。