热线电话:13121318867

登录
首页大数据时代数据分析师教程《Python数据分析极简入门》第2节 2 Pandas数据类型
数据分析师教程《Python数据分析极简入门》第2节 2 Pandas数据类型
2024-11-20
收藏

《Python数据分析极简入门》

第2节 2 Pandas数据类型

Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据结构,因为它依然是 Python 的一个库,所以 Python 中有的数据类型在这里依然适用。我们分别看一下这两种数据结构

Series

Series:一维数组。该结构能够放置各种数据类型,比如字符、整数、浮点数等

我们先引入pandas包,这里有一个约定成俗的写法import pandas as pdpandas引入,并命其别名为pd

接着将列表[2,3,5,7,11]放到pd.Series()里面

import pandas as pd
s = pd.Series([2,3,5,7,11],name = 'A')
s
0     2
1     3
2     5
3     7
4    11
Name: A, dtype: int64

Time- Series:以时间为索引Series

同样的,将列['2024-01-01 00:00:00', '2024-01-01 03:00:00','2024-01-01 06:00:00'] 放到pd.DatetimeIndex()里面

dts1 = pd.DatetimeIndex(['2024-01-01 00:00:00''2024-01-01 03:00:00','2024-01-01 06:00:00'])
dts1
DatetimeIndex(['2024-01-01 00:00:00', '2024-01-01 03:00:00',
               '2024-01-01 06:00:00'],
              dtype='datetime64[ns]', freq=None)

还有另外一种写法pd.date_range 可以按一定的频率生成时间序列

dts2 = pd.date_range(start='2024-01-01', periods=6, freq='3H')
dts2
DatetimeIndex(['2024-01-01 00:00:00', '2024-01-01 03:00:00',
               '2024-01-01 06:00:00', '2024-01-01 09:00:00',
               '2024-01-01 12:00:00', '2024-01-01 15:00:00'],
              dtype='datetime64[ns]', freq='3H')
dts3 = pd.date_range('2024-01-01', periods=6, freq='d')
dts3
DatetimeIndex(['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04',
               '2024-01-05', '2024-01-06'],
              dtype='datetime64[ns]', freq='D')

DataFrame

DataFrame:二维的表格型数据结构,可以理解为Series的容器,通俗地说,就是可以把Series放到DataFrame里面。

它是一种二维表格型数据的结构,既有行索引,也有列索引。行索引是 index,列索引是 columns。类似于初中数学里,在二维平面里用坐标轴来定位平面中的点。

注意,DataFrame又是Pandas的核心!接下来的内容基本上以DataFrame为主

先来看看如何创建DataFrame,上面说过Series也好,DataFrame也罢,本质上都是容器。

千万别被”容器“这个词吓住了,通俗来说,就是里面可以放东西的东西。

从字典创建DataFrame

相当于给里面放dict:先创建一个字典d,再把d放进了DataFrame里命名为df

d = {'A': [123], 
     'B': [456],
     'C': [789]}
df = pd.DataFrame(data = d)
df
A B C
0 1 4 7
1 2 5 8
2 3 6 9

从列表创建DataFrame

先创建了一个列表d,再把d放进了DataFrame里命名为df

d = [[4710],[5811],[6912]]
df1 = pd.DataFrame(
    data = d,
    index=['a''b''c'],
    columns=['A''B''C'])
df1
A B C
a 4 7 10
b 5 8 11
c 6 9 12

从数组创建DataFrame

数组(array)对你来说可能是一个新概念,在Python里面,创建数组需要引入一个类似于Pandas的库,叫做Numpy。与前面引入Pandas类似,我们用 import numpy as np来引入numpy,命其别名为np。

同样的,先创建一个数组d,再把d放进了DataFrame里命名为df

import numpy as np
d = np.array([[123], [456], [789]])
df2 = pd.DataFrame(data = d,
                   index=['a''b''c'],
                   columns=['A''B''C'])
df2
A B C
a 1 2 3
b 4 5 6
c 7 8 9

以上,我们用了不同的方式来创建DataFrame,接下来,我们看看创建好后,如何查看数据

下一节 《第2节 3 Pandas数据查看》

这里分享一个你一定用得到的小程序——CDA数据分析师考试小程序。 它是专为CDA数据分析认证考试报考打造的一款小程序。可以帮你快速报名考试、查成绩、查证书、查积分,通过该小程序,考生可以享受更便捷的服务。 扫码加入CDA小程序,与圈内考生一同学习、交流、进步!

下一节 《第2节 Pandas简介》

这里分享一个你一定用得到的小程序——CDA数据分析师考试小程序。 它是专为CDA数据分析认证考试报考打造的一款小程序。可以帮你快速报名考试、查成绩、查证书、查积分,通过该小程序,考生可以享受更便捷的服务。 扫码加入CDA小程序,与圈内考生一同学习、交流、进步! ​

数据分析咨询请扫描二维码

若不方便扫码,搜微信号:CDAshujufenxi

最新资讯
更多
客服在线
立即咨询