pandas入門:Series、DataFrame、Index基本操作都有了!

作者：李明江 張良均 周東平 張尚佳

來源：大數據DT（ID：hzdashuju）

pandas提供了眾多類，可滿足不同的使用需求，其中常用的類如下所示。Series：基本數據結構，一維標籤數組，能夠保存任何數據類型DataFrame：基本數據結構，一般為二維數組，是一組有序的列Index：索引對象，負責管理軸標籤和其他元數據（比如軸名稱）groupby：分組對象，通過傳入需要分組的參數實現對數據分組Timestamp：時間戳對象，表示時間軸上的一個時刻Timedelta：時間差對象，用來計算兩個時間點的差值在這6個類中，Series、DataFrame和Index是使用頻率最高的類。Series由一組數據以及一組與之對應的數據標籤（即索引）組成。Series對象可以視作一個NumPy的ndarray，因此許多NumPy庫函數可以作用於Series。創建Series對象的函數是Series，它的主要參數是data和index，其基本語法格式如下。

class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

data：接收array或dict。表示接收的數據。默認為Noneindex：接收array或list。表示索引，它必須與數據長度相同。默認為Nonename：接收string或list。表示Series對象的名稱。默認為NoneSeries本質上是一個ndarray，通過ndarray創建Series對象，如代碼清單6-1所示。代碼清單6-1 通過ndarray創建Series

import pandas as pd
import numpy as np
print('通過ndarray創建的Series為：\n',
      pd.Series(np.arange(5), index = ['a', 'b', 'c', 'd', 'e'], name = 'ndarray'))

輸出：

通過ndarray創建的Series為：
a    0
b    1
c    2
d    3
e    4
Name: ndarray, dtype: int32

若數據存放於一個dict中，則可以通過dict創建Series，此時dict的鍵名（key）作為Series的索引，其值會作為Series的值，因此無須傳入index參數。通過dict創建Series對象，如代碼清單6-2所示。

dit = {'a': 0, 'b': 1, 'c': 2, 'd': 3, 'e': 4}
print('通過dict創建的Series為：\n', pd.Series(dit))

通過dict創建的Series為：
a    0
b    1
c    2
d    3
e    4
dtype: int64

通過list創建Series，類似於通過ndarray創建Series，如代碼清單6-3所示。

list1 = [0, 1, 2, 3, 4]
print('通過list創建的Series為：\n', pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'], name = 'list'))

通過list創建的Series為：
a    0
b    1
c    2
d    3
e    4
Name: list, dtype: int64

values：以ndarray的格式返回Series對象的所有元素

series = pd.Series(list1, index = ['a', 'b', 'c', 'd', 'e'], name = 'list')
print('數組形式返回Series為：', series.values)

#輸出：數組形式返回Series為： [0 1 2 3 4]

print('Series的Index為：', series.index)

#輸出：Series的Index為：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

print('Series的形狀為：', series.shape)

#輸出：Series的形狀為： (5,)

print('Series的維度為：', series.ndim)

#輸出：Series的維度為：1

索引與切片是Series最常用操作之一。通過索引位置訪問Series的數據與ndarray相同，如代碼清單6-5所示。代碼清單6-5 通過索引位置訪問Series數據子集

print('Series位於第1位置的數據為：', series[0])

相比ndarray，通過索引名稱（標籤）也可以訪問Series數據，如代碼清單6-6所示。

print('Series中Index為a的數據為：', series['a'])

此外，也可通過bool類型的Series、list或array訪問Series數據，如代碼清單6-7所示。代碼清單6-7 通過bool數組訪問Series數據

bool = (series < 4)
print('bool類型的Series為：\n', bool)

輸出：

bool類型的Series為：
a     True
b     True
c     True
d     True
e    False
Name: list, dtype: bool

print('通過bool數據訪問Series結果為：\n', series[bool])

通過bool數據訪問Series結果為：
a    0
b    1
c    2
d    3
Name: list, dtype: int64

更新Series的方法十分簡單，採用賦值的方式對指定索引標籤（或位置）對應的數據進行修改即可，如代碼清單6-8所示。

# 更新元素
series['a'] = 3
print('更新後的Series為：\n', series)

更新後的Series為：
a    3
b    1
c    2
d    3
e    4
Name: list, dtype: int64

類似list，通過append方法能夠在原Series上插入（追加）新的Series。若只在原Series上插入單個值，則採用賦值方式即可，如代碼清單6-9所示。

series1 = pd.Series([4, 5], index = ['f', 'g'])
# 追加Series
print('在series插入series1後為：\n', series.append(series1))

在series插入series1後為：
a    3
b    1
c    2
d    3
e    4
f    4
g    5
dtype: int64

# 新增單個數據
series1['h'] = 7
print('在series1插入單個數據後為：\n', series1)

在series1插入單個數據後為：
f    4
g    5
h    7
dtype: int64

一般使用drop方法刪除Series元素，它接收被刪除元素對應的索引，inplace=True表示對原Series起作用，如代碼清單6-10所示。

# 刪除數據
series.drop('e', inplace = True)
print('刪除索引e對應數據後的series為：\n', series)

輸出：

刪除索引e對應數據後的series為：
a    3
b    1
c    2
d    3
Name: list, dtype: int64

DataFrame是pandas基本數據結構，類似資料庫中的表。DataFrame既有行索引，也有列索引，它可以看作Series組成的dict，每個Series看作DataFrame的一個列。DataFrame函數用於創建DataFrame對象，其基本語法格式如下。

class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)

DataFrame函數常用的參數及其說明如下所示。data：接收ndarray，dict，list或DataFrame。表示輸入數據。默認為Noneindex：接收Index，ndarray。表示索引。默認為Nonecolumns：接收Index，ndarray。表示列標籤（列名）。默認為None創建DataFrame的方法有很多，常見的一種是傳入一個由等長list或ndarray組成的dict。若沒有傳入columns參數，則傳入的dict的鍵會被當作列名，如代碼清單6-11所示。代碼清單6-11 通過dict創建DataFrame

dict1 = {'col1': [0, 1, 2, 3, 4], 'col2': [5, 6, 7, 8, 9]}
print('通過dict創建的DataFrame為：\n', pd.DataFrame(dict1, index = ['a', 'b', 'c', 'd', 'e']))

通過dict創建的DataFrame為：
    col1  col2
a     0     5
b     1     6
c     2     7
d     3     8
e     4     9

通過list或ndarray也可創建DataFrame，如代碼清單6-12所示。代碼清單6-12 通過list創建DataFrame

list2 = [[0, 5], [1, 6], [2, 7], [3, 8], [4, 9]]
print('通過list創建的DataFrame為：\n',
      pd.DataFrame(list2, index = ['a', 'b', 'c', 'd', 'e'], columns = ['col1', 'col2']))

通過list創建的DataFrame為：
    col1  col2
a     0     5
b     1     6
c     2     7
d     3     8
e     4     9

由於DataFrame是二維數據結構，包含列索引（列名），因此較Series有更多的屬性。DataFrame常用的屬性及其說明如下所示。values：以ndarray的格式返回DataFrame對象的所有元素index：返回DataFrame對象的Indexcolumns：返回DataFrame對象的列標籤dtypes：返回DataFrame對象的數據類型訪問創建的DataFrame的常用屬性，如代碼清單6-13所示。

df = pd.DataFrame({'col1': [0, 1, 2, 3, 4], 'col2': [5, 6, 7, 8, 9]},
                   index = ['a', 'b', 'c', 'd', 'e'])
print('DataFrame的Index為：', df.index)

#輸出：DataFrame的Index為：Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

print('DataFrame的列標籤為：', df.columns)

#輸出：DataFrame的列標籤為：Index(['col1', 'col2'], dtype='object')

print('DataFrame的軸標籤為：', df.axes)

#輸出：DataFrame的軸標籤為： [Index(['a', 'b', 'c', 'd', 'e'], dtype='object'), Index(['col1', 'col2'], dtype='object')]

print('DataFrame的維度為：', df.ndim)

#輸出：DataFrame的維度為：2

print('DataFrame的形狀為：', df.shape)

#輸出：DataFrame的形狀為： (5, 2)

head和tail方法用於訪問DataFrame前n行和後n行數據，默認返回5行數據，如代碼清單6-14所示。代碼清單6-14 訪問DataFrame前後n行數據

print('默認返回前5行數據為：\n', df.head())    

輸出：

默認返回前5行數據為：
    col1  col2
a     0     5
b     1     6
c     2     7
d     3     8
e     4     9    

print('返回後3行數據為：\n', df.tail(3))

輸出：

返回後3行數據為：
    col1  col2
c     2     7
d     3     8
e     4     9

類似Series，更新DataFrame列也採用賦值的方法，對指定列賦值即可，如代碼清單6-15所示。

# 更新列
df['col1'] = [10, 11, 12, 13, 14]
print('更新列後的DataFrame為：\n', df)

更新列後的DataFrame為：
    col1  col2
a    10     5
b    11     6
c    12     7
d    13     8
e    14     9

插入列也可以採用賦值方法，如代碼清單6-16所示。

# 插入列
df['col3'] = [15, 16, 17, 18, 19]
print('插入列後的DataFrame為：\n', df)

插入列後的DataFrame為：
    col1  col2  col3
a    10     5    15
b    11     6    16
c    12     7    17
d    13     8    18
e    14     9    19

刪除列的方法有多種，如del、pop、drop等。常用的是drop方法，它可以刪除行或者列，基本語法格式如下。

DataFrame.drop(labels, axis=0, level=None, inplace=False, errors='raise')

labels：接收string或array。表示刪除的行或列的標籤。無默認值axis：接收0或1。表示執行操作的軸向，其中0表示刪除行，1表示刪除列。默認為0levels：接收int或者索引名。表示索引級別。默認為Noneinplace：接收bool。表示操作是否對原數據生效。默認為False使用drop方法刪除數據，如代碼清單6-17所示。

# 刪除列
df.drop(['col3'], axis = 1, inplace = True)
print('刪除col3列後的DataFrame為：\n', df)

刪除col3列後的DataFrame為：
    col1  col2
a    10     5
b    11     6
c    12     7
d    13     8
e    14     9

# 刪除行
df.drop('a', axis = 0, inplace = True)
print('刪除a行後的DataFrame為：\n', df)

刪除a行後的DataFrame為：
    col1  col2
b    11     6
c    12     7
d    13     8
e    14     9

Index對象為其餘pandas對象存儲軸標籤、管理軸標籤和其他元數據（如軸名稱）。創建Series或DataFrame等對象時，索引都會被轉換為Index對象。主要Index對象及其說明如下所示。DatetimeIndex：Timestamp索引對象Index對象可以通過pandas.Index()函數創建，也可以通過創建數據對象Series、DataFrame時接收index（或column）參數創建，前者屬於顯式創建，後者屬於隱式創建。隱式創建中，通過訪問index（或針對DataFrame的column）屬性即得到Index。創建的Index對象不可修改，保證了Index對象在各個數據結構之間的安全共享。Series的索引是一個Index對象。訪問Series索引，如代碼清單6-18所示。

print('series的Index為 ：\n', series.index)

series的Index為 ：
 Index(['a', 'b', 'c', 'd'], dtype='object')

is_monotonic：當各元素均大於前一個元素時，返回Trueis_unique：當Index沒有重複值時，返回True

print('series中Index各元素是否大於前一個：', series.index.is_monotonic)

#輸出：series中Index各元素是否大於前一個：True

print('series中Index各元素是否唯一：', series.index.is_unique)

#輸出：series中Index各元素是否唯一：True

append：連接另一個Index對象，產生一個新的Indexdifference：計算兩個Index對象的差集，得到一個新的Indexintersection：計算兩個Index對象的交集isin：計算一個Index是否在另一個Index，返回bool數組delete：刪除指定Index的元素，並得到新的Indexinsert：將元素插入到指定Index處，並得到新的Index應用Index對象的常用方法如代碼清單6-20所示。

index1 = series.index
index2 = series1.index
print('index1連接index2後結果為：\n', index1.append(index2))

#輸出：index1連接index2後結果為：
# Index(['a', 'b', 'c', 'd', 'f', 'g', 'h'], dtype='object')