wap网站发布,wordpress二级目录创建,怎么把安装的字体导入wordpress,wordpress 新网页打开本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于腾讯云#xff0c;作者#xff1a;统计学家
目录
1引言
2 Series数组
2.1 Series数组构成
2.2 创建Series数组
2.3 Series数组常用属性
3…本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于腾讯云作者统计学家
目录
1引言
2 Series数组
2.1 Series数组构成
2.2 创建Series数组
2.3 Series数组常用属性
3 DataFrame数组
3.1 DataFrame数组构成
3.2 创建DataFrame数组
3.3 DataFrame数组的常用属性
4 总结
1引言
本文总结Pandas中两种常用的数据类型
1Series是一种一维的带标签数组对象。
2DataFrame二维Series容器
2 Series数组
2.1 Series数组构成
Series数组对象由两部分构成
值value一维数组的各元素值是一个ndarray类型数据。索引index与一维数组值一一对应的标签。利用索引我们可非常方便得在Series数组中进行取值。如下所示我们通过字典创建了一个Series数组输出结果的第一列就是索引第二列就是数组的具体值。import pandas as pda pd.Series([102, 212, 332, 434])a
0 102
1 212
2 332
3 434
dtype: int64
也可以在创建时手动指定索引a pd.Series([102, 212, 332, 434], index[第一列, 第二列, 第三列, 第四列])a
第一列 102
第二列 212
第三列 332
第四列 434
dtype: int64
利用索引我们可以更加方便得在数组中进行取值a[第一列]
102a[[第一列, 第二列]]
第一列 102
第二列 212
dtype: int64
当然你也可以使用以往的数字下标从数组中取值a[0]
102a[[0,1]]
第一列 102
第二列 212
dtype: int64
2.2 创建Series数组
1通过list、tuple创建pd.Series([123, 321, 345,543]) # 传入一个list
0 123
1 321
2 345
3 543
dtype: int64pd.Series((123, 321, 345,543)) # 传入一个元组
0 123
1 321
2 345
3 543
dtype: int64
2通过传入一维numpy数组对象创建import numpy as npn np.arange(3) # 创建一个一维的numpy数组pd.Series(n)
0 0
1 1
2 2
dtype: int32
注意传入的numpy必须是一维的数组否则会报错。n np.arange(6).reshape((2,3))pd.Series(n)
Traceback (most recent call last):
File , line 1, in
……
packages\pandas\core\internals\construction.py, line 729, in sanitize_array
raise Exception(Data must be 1-dimensional)
Exception: Data must be 1-dimensional
3通过传入字典创建
通过字典创建Series数组时字典的key会自动被设置成Series数组的索引pd.Series({name:张三, age:40, weight:140})
name 张三
age 40
weight 140
dtype: object
4通过传入一个标量值创建
当传入一个标量值时必须传入index索引Series会根据传入的index参数来确定数组对象的长度a pd.Series(10, index[a, b, c, d])a
a 10
b 10
c 10
d 10
dtype: int64
2.3 Series数组常用属性
Series数组的属性与numpy数组属性很是类似如下表所示3 DataFrame数组
3.1 DataFrame数组构成
DataFrame数组是Pandas中另一种数据结构其数据的呈现方式类似于Excel这种二维表结构。相比于Series数组DataFrame可以存放多维数据所以DataFrame不仅仅有索引还有列名如下所示d {one: [1, 2, 3, 4], two:[一, 二, 三, 四]}pd.DataFrame(d)
one two
0 1 一
1 2 二
2 3 三
3 4 四df.index
RangeIndex(start0, stop4, step1)df.columns
Index([one, two], dtypeobject)
可以看到DataFrame数组可以包含多维数据类似于一张二维表。与Series类似DataFrame数组也有一个index索引在不指定索引时通常会自动生成从零开始步长为1的索引。此外DataFrame数组还有一个列名索引和列名是从数组中挑选数据的重要依据。
3.2 创建DataFrame数组
1通过字典创建
通过字典来创建DataFrame数组时字典的键将会自动成DataFrame数组的列名字典的值必须是可迭代对象例如Series、numpy数组、list、tuple等不同Series数组中对应的缺失值pandas将自动填充NaN
以list列表为值的字典d {one: [1, 2, 3, 4], two:[一, 二, 三, 四]}pd.DataFrame(d)
one two
0 1 一
1 2 二
2 3 三
3 4 四
以numpy数组为值得字典d {zero: np.zeros((3,)), ones: np.ones((3,)), twos:np.full((3,),2)}pd.DataFrame(d)
zero ones twos
0 0.0 1.0 2
1 0.0 1.0 2
2 0.0 1.0 2
以Series为值的字典d {one: pd.Series([1., 2., 3.], index[a, b, c]), two: pd.Series([1., 2., 3., 4.], index[a, b, c, d])}df pd.DataFrame(d) # 创建DataFrame数组df
one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0
无论是上面那种类型对象为值的字典都可以通过下面的方式重新指定列索引pd.DataFrame(d, index[d, b, a])
one two
d NaN 4.0
b 2.0 2.0
a 1.0 1.0
当然也可以在手动指定列名不过行索引对应的键数据才会传入新建的数组中pd.DataFrame(d, index[d, b, a], columns[two, three])
two three
d 4.0 NaN
b 2.0 NaN
a 1.0 NaN
2通过列表创建
通过列表创建DataFrame数组时列表的每一个元素必须是字典这样字典的键将作为列名。d [{a: 1, b: 2}, {a: 5, b: 10, c: 20}]pd.DataFrame(d)
a b c
0 1 2 NaN
1 5 10 20.0pd.DataFrame(d, index[第一行, 第二行]) # 重新指定索引
a b c
第一行 1 2 NaN
第二行 5 10 20.0
3通过功能函数创建
我们还可以通过诸如from_dict()、from_records()这类的功能函数来创建DataFrame数组以from_dict()为例d {A: [1, 2, 3], B: [4, 5, 6]}pd.DataFrame.from_dict(d)
A B
0 1 4
1 2 5
2 3 6
如果需要让字典的键作为索引重新指定列名可以传入orientindex’参数然后重新传入列名pd.DataFrame.from_dict(d,orientindex, columns[one, two, three])
one two three
A 1 2 3
B 4 5 6
3.3 DataFrame数组的常用属性
DataFrame数组的属性与Series数据几乎一样只是多了一个保存列名信息的columns属性参看上面表格中的Series属性就行了。
4 总结
本文大致介绍了Pandas中的两种重要数据结构Series数组对象和DataFrame数组对象的特点、主要创建方法、属性。
想要学习PythonPython学习交流群1039649593满足你的需求资料都已经上传群文件流可以自行下载还有海量最新2020python学习资料。
标签index,pd,Python,Series,DataFrame,索引,数组,数据结构,pandas
来源 https://www.cnblogs.com/aa1273935919/p/13950959.html
