Python 数据操作

Python主要通过Pandas和Numpy这两个库来处理各种格式的数据。我们已经在前面的章节中看到了这两个库的重要特性。在本章中，我们将看到每个库中有关如何操作数据的一些基本示例。

Numpy 中的数据操作

NumPy 中定义的最重要的对象是一个称为 ndarray 的 N 维数组类型。它描述了相同类型的项目的集合。可以使用从零开始的索引来访问集合中的项目。 ndarray 类的实例可以通过本教程后面描述的不同数组创建例程来构造。使用 NumPy 中的数组函数创建基本的 ndarray 如下：

numpy.array 

以下是有关 Numpy 数据处理的一些示例。

示例 1

# more than one dimensions 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print a

输出如下：

[[1, 2] 
 [3, 4]]

示例 2

# minimum dimensions 
import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print a

输出如下：

[[1, 2, 3, 4, 5]]

示例 3

# dtype parameter 
import numpy as np 
a = np.array([1, 2, 3], dtype = complex) 
print a

输出如下：

[ 1.+0.j,  2.+0.j,  3.+0.j]

Pandas 中的数据操作

pandas通过以下方式处理数据 Series , 数据框 , and Panel .我们将从其中的每一个中看到一些示例。

pandas系列

Series 是一个一维标记数组，能够保存任何类型的数据(整数、字符串、浮点数、python 对象等)。轴标签统称为索引。 可以使用以下构造函数创建pandas系列：

pandas.Series( data, index, dtype, copy)

例子

在这里，我们从 Numpy 数组创建一个系列。

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print s

Its output 如下：

0   a
1   b
2   c
3   d
dtype: object

pandas数据框

数据框是一种二维数据结构，即数据在行和列中以表格方式对齐。可以使用以下构造函数创建 pandas DataFrame：

pandas.DataFrame( data, index, columns, dtype, copy)

现在让我们使用数组创建一个索引 DataFrame。

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df

Its output 如下：

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

pandas面板

A panel 是数据的 3D 容器。期限 面板数据 源自计量经济学，对pandas这个名字负有部分责任： 泛(el)-da(ta) -s.

可以使用以下构造函数创建 Panel：

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

在下面的示例中，我们从 DataFrame 对象的 dict 创建一个面板

#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

Its output 如下：

<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