對于Python而言，坊間早有這種說法：在有了 pandas之后，Python才算有了數(shù)據(jù)分析的能力。在此之前，要想用Python來做數(shù)據(jù)分析，可能就沒那么友好了，可見pandas在學習數(shù)據(jù)分析時候的重要程度。對于 pandas來說，很多功能的實現(xiàn)也是要基于科學計算庫 numpy的，所以 numpy+ pandas的組合在Python數(shù)據(jù)分析中就顯得尤為關鍵。

從本篇開始，小編就給大家詳細講解 pandas的基本用法和應用案例，熟悉R的朋友們也可以將其與R的數(shù)據(jù)分析功能進行對比，定能有所收獲。本篇先對 pandas的數(shù)據(jù)結構進行介紹，跟R大不相同的是，Python并沒有太多不同的數(shù)據(jù)結構和對象， pandas中主要包括 Series和 DataFrame兩種數(shù)據(jù)結構。

Series

Series有點類似于 numpy中的一維數(shù)組對象，一般由一組數(shù)據(jù)和數(shù)據(jù)相關的標簽或者索引構成，由一組數(shù)構成最簡單的 Series如下：

from numpy import *

from pandas import *

創(chuàng)建 Series：

obj = Series([-1,3,-4,6])

print(obj)

0 -1

1 3

2 -4

3 6

dtype: int64

可以看到的是，由一組數(shù)創(chuàng)建的 Series對象索引在左邊，值在右邊。我們也可以通過索引和值標簽分別訪問相應的對象：

#Series對象值

obj.values

array([-1, 3, -4, 6], dtype=int64)

#Series對象索引

obj.index

RangeIndex(start=0, stop=4, step=1)

當然，我們可以在創(chuàng)建Series對象的時候就對索引進行標記或者命名：

#對Series索引進行命名或者標記

obj2 = Series([-1,3,-4,6],index = ['a','b','c','d'])

print(obj2)

a -1

b 3

c -4

d 6

dtype: int64

#查看索引

obj2.index

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

根據(jù) Series索引訪問對象值：

obj2['a']

-1

obj2[['a','b','c']]

a -1

b 3

c -4

dtype: int64

也可以對Series對象進行數(shù)組運算：

obj2[obj2 > 0]

b 3

d 6

dtype: int64

obj2*2

a -2

b 6

c -8

d 12

dtype: int64

np.exp(obj2)

a 0.367879

b 20.085537

c 0.018316

d 403.428793

dtype: float64

除了直接以數(shù)組形式創(chuàng)建 Series對象之外，通過字典來生成 Series也是較為普遍的做法：

nba = {'Kobe Bryant':30.3,'Allen Iverson':29.4,'Tracy McGrady':30.1,'Vince Carter':25.6}

obj3 = Series(nba)

print(obj3)

AllenIverson 29.4

KobeBryant 30.3

TracyMcGrady 30.1

VinceCarter 25.6

dtype: float64

創(chuàng)建完之后可以對 Series對象和索引進行命名：

obj3.name = 'nbastats'

obj3.index.name = 'player'

print(obj3)

player

AllenIverson 29.4

KobeBryant 30.3

TracyMcGrady 30.1

VinceCarter 25.6

Name: nbastats, dtype: float64

另外， Series索引可以隨時進行更改：

obj3.index = ['A.Iverson','K.Bryant','T.McGrady','V.Carter']

print(obj3)

A.Iverson 29.4

K.Bryant 30.3

T.McGrady 30.1

V.Carter 25.6

Name: nbastats, dtype: float64

除了上述創(chuàng)建 Series對象的方法以外，從 DataFrame中單獨拿出一行也可以用來創(chuàng)建 Series。關于 Series數(shù)據(jù)結構的基本內容就介紹到這里，下面看 DataFrame。

DataFrame

說到 DataFrame，可能大家更熟悉的是R語言中的 data.frame，Python中的 DataFrame跟它也較為類似。在Python中， DataFrame是一個表格型的數(shù)據(jù)結構，它含有一組有序的列，每列的數(shù)據(jù)類型可以不一樣，與R中的數(shù)據(jù)框相比，Python中的 DataFrame行列操作較為平衡。 構建DataFrame方法很多，最常用的是直接傳入一個由等長列表或NumPy數(shù)組組成的字典：

data = {'city':['LAL','HOU','PHI','TOR'],

'year':[1996,1997,1996,1997],

'score':[30.3,30.1,29.4,25.6]}

frame = DataFrame(data)

frame

city score year

0 LAL 30.3 1996

1 HOU 30.1 1997

2 PHI 29.4 1996

3 TOR 25.6 1997

可以看到，字典在轉化為數(shù)據(jù)框的過程中，鍵是作為列名而存在的。

#按指定列進行排列

DataFrame(data,columns=['year','city','score'])

year city score

0 1996 LAL 30.3

1 1997 HOU 30.1

2 1996 PHI 29.4

3 1997 TOR 25.6

根據(jù)字典傳入時，若是指定列找不到數(shù)據(jù)則會自動填補為缺失：

#若傳入的列找不到數(shù)據(jù)則會產(chǎn)生NA

frame2 = DataFrame(data,columns=['year','city','score','assist'],

index=[1,2,3,4])

print(frame2)

year city score assist

11996 LAL 30.3 NaN

21997 HOU 30.1 NaN

31996 PHI 29.4 NaN

41997 TOR 25.6 NaN

如前述，我們可以通過 data.frame來獲取一個 Series對象：

frame2['city']

1 LAL

2 HOU

3 PHI

4 TOR

Name: city, dtype: object

frame2.score

1 30.3

2 30.1

3 29.4

4 25.6

Name: score, dtype: float64

也可以通過 loc方法訪問 DataFrame的行：

frame2.loc[3]

year 1996

city PHI

score 29.4

assist NaN

Name: 3, dtype: object

對缺失的變量進行重新賦值：

frame2['assist']=5.6

print(frame2)

year city score assist

11996 LAL 30.3 5.6

21997 HOU 30.1 5.6

31996 PHI 29.4 5.6

41997 TOR 25.6 5.6

按索引傳入時，沒有被指定的記錄產(chǎn)生缺失：

val = Series([4.5,3.9],index=[1,4])

frame2['assist']=val

print(frame2)

year city score assist

11996 LAL 30.3 4.5

21997 HOU 30.1 NaN

31996 PHI 29.4 NaN

41997 TOR 25.6 3.9

對于嵌套字典轉化為 DataFrame，一般外層字典的鍵作為列，內層字典的鍵作為行索引：

nba = {'kobe':{2005:35.6,2006:32.1},'McGrady':{2005:26.7,2006:24.3}}

frame3 = DataFrame(nba)

print(frame3)

McGrady kobe

2005 26.735.6

2006 24.332.1

關于pandas的兩種基本數(shù)據(jù)結構Series和DataFrame，小編就暫且介紹到這里了，關于如何在實際的數(shù)據(jù)分析過程熟練使用這兩種數(shù)據(jù)結構的基本操作，小編在后續(xù)的推文中會進一步的講解。