pandas數據結構：Series/DataFrame；python函數：range/arange

 

---

 

1. Series

　　Series 是一個類數組的數據結構，同時帶有標簽（lable）或者說索引（index）。

　　1.1 下邊生成一個最簡單的Series對象，因為沒有給Series指定索引，所以此時會使用默認索引(從0到N-1)。

# 引入Series和DataFrame
In [16]: from pandas import Series,DataFrame
In [17]: import pandas as pd

In [18]: ser1 = Series([1,2,3,4])

In [19]: ser1
Out[19]: 
0    1
1    2
2    3
3    4
dtype: int64

　　1.2 當要生成一個指定索引的Series 時候，可以這樣：　　

# 給index指定一個list
In [23]: ser2 = Series(range(4),index = ["a","b","c","d"])

In [24]: ser2
Out[24]: 
a    0
b    1
c    2
d    3
dtype: int64

　　1.3 也可以通過字典來創建Series對象

In [45]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}

In [46]: ser3 = Series(sdata)
# 可以發現，用字典創建的Series是按index有序的
In [47]: ser3
Out[47]: 
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

　　在用字典生成Series的時候，也可以指定索引，當索引中值對應的字典中的值不存在的時候，則此索引的值標記為Missing，NA，並且可以通過函數（pandas.isnull，pandas.notnull）來確定哪些索引對應的值是沒有的。

In [48]: states = ['California', 'Ohio', 'Oregon', 'Texas']

In [49]: ser3 = Series(sdata,index = states)

In [50]: ser3
Out[50]: 
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
# 判斷哪些值為空
In [51]: pd.isnull(ser3)
Out[51]: 
California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool

In [52]: pd.notnull(ser3)
Out[52]: 
California    False
Ohio           True
Oregon         True
Texas          True
dtype: bool

 

　　1.4 訪問Series中的元素和索引：

# 訪問索引為"a"的元素
In [25]: ser2["a"]
Out[25]: 0
# 訪問索引為"a","c"的元素
In [26]: ser2[["a","c"]]
Out[26]: 
a    0
c    2
dtype: int64
# 獲取所有的值
In [27]: ser2.values
Out[27]: array([0, 1, 2, 3])
# 獲取所有的索引
In [28]: ser2.index
Out[28]: Index([u'a', u'b', u'c', u'd'], dtype='object')

　　1.5 簡單運算

　　在pandas的Series中，會保留NumPy的數組操作（用布爾數組過濾數據，標量乘法，以及使用數學函數），並同時保持引用的使用

In [34]: ser2[ser2 > 2]
Out[34]: 
a    64
d     3
dtype: int64

In [35]: ser2 * 2
Out[35]: 
a    128
b      2
c      4
d      6
dtype: int64

In [36]: np.exp(ser2)
Out[36]: 
a    6.235149e+27
b    2.718282e+00
c    7.389056e+00
d    2.008554e+01
dtype: float64

　　1.6 Series的自動對齊

　　　　Series的一個重要功能就是自動對齊（不明覺厲），看看例子就明白了。 差不多就是不同Series對象運算的時候根據其索引進行匹配計算。

# ser3 的內容
In [60]: ser3
Out[60]: 
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64
# ser4 的內容
In [61]: ser4
Out[61]: 
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
# 相同索引值的元素相加
In [62]: ser3 + ser4
Out[62]: 
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64

　　1.7 命名

　　Series對象本身，以及索引都有一個 name 屬性

In [64]: ser4.index.name = "state"

In [65]: ser4.name = "population"

In [66]: ser4
Out[66]: 
state
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
Name: population, dtype: float64

 

轉自：http://www.cnblogs.com/linux-wangkun/p/5903380.html

---

 

DataFrame

用pandas中的DataFrame時選取行或列：

import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame

ser = Series(np.arange(3.))

data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz'))

data['w']  #選擇表格中的'w'列，使用類字典屬性,返回的是Series類型

data.w    #選擇表格中的'w'列，使用點屬性,返回的是Series類型

data[['w']]  #選擇表格中的'w'列，返回的是DataFrame類型

data[['w','z']]  #選擇表格中的'w'、'z'列

data[0:2]  #返回第1行到第2行的所有行，前閉后開，包括前不包括后

data[1:2]  #返回第2行，從0計，返回的是單行，通過有前后值的索引形式，
       #如果采用data[1]則報錯

data.ix[1:2] #返回第2行的第三種方法，返回的是DataFrame，跟data[1:2]同

data['a':'b']  #利用index值進行切片，返回的是**前閉后閉**的DataFrame, 
        #即末端是包含的  

#——————新版本pandas已舍棄該方法，用iloc代替———————
data.irow(0)   #取data的第一行
data.icol(0)   #取data的第一列

ser.iget_value(0)  #選取ser序列中的第一個
ser.iget_value(-1) #選取ser序列中的最后一個，這種軸索引包含索引器的series不能采用ser[-1]去獲取最后一個，這會引起歧義。
#————————————————————————————-----------------

data.head()  #返回data的前幾行數據，默認為前五行，需要前十行則data.head(10)
data.tail()  #返回data的后幾行數據，默認為后五行，需要后十行則data.tail(10)

data.iloc[-1]   #選取DataFrame最后一行，返回的是Series
data.iloc[-1:]   #選取DataFrame最后一行，返回的是DataFrame

data.loc['a',['w','x']]   #返回‘a’行'w'、'x'列，這種用於選取行索引列索引已知

data.iat[1,1]   #選取第二行第二列，用於已知行、列位置的選取。

　轉自：https://blog.csdn.net/xiaodongxiexie/article/details/53108959

---

 

DataFrame的排序

原來的方法sort/sort_index都已經過時，調用時會報錯：

sort方法就直接找不到。

應該調用sort_values方法來進行排序：

 

 

---

Python 中的range,以及numpy包中的arange函數

range()函數

 

• 函數說明： range(start, stop[, step]) -> range object，根據start與stop指定的范圍以及step設定的步長，生成一個序列。
  參數含義：start:計數從start開始。默認是從0開始。例如range（5）等價於range（0， 5）;
                end:技術到end結束，但不包括end.例如：range（0， 5） 是[0, 1, 2, 3, 4]沒有5
                scan：每次跳躍的間距，默認為1。例如：range（0， 5） 等價於 range(0, 5, 1)
  函數返回的是一個range object
  例子：

>>> range(0,5)                 #生成一個range object,而不是[0,1,2,3,4]   
range(0, 5)     
>>> c = [i for i in range(0,5)]     #從0 開始到4，不包括5，默認的間隔為1  
>>> c  
[0, 1, 2, 3, 4]  
>>> c = [i for i in range(0,5,2)]   #間隔設為2  
>>> c  
[0, 2, 4]  

若需要生成[ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]

>>> range(0,1,0.1)    #range中的setp 不能使float  
Traceback (most recent call last):  
  File ”<pyshell#5>”, line 1, in <module>  
    range(0,1,0.1)  
TypeError: ’float’ object cannot be interpreted as an integer  

 

arrange()函數

 

• 函數說明：arange([start,] stop[, step,], dtype=None)根據start與stop指定的范圍以及step設定的步長，生成一個 ndarray。 dtype : dtype
          The type of the output array.  If `dtype` is not given, infer the data
          type from the other input arguments.

>>> np.arange(3)  
  array([0, 1, 2])  
  >>> np.arange(3.0)  
  array([ 0.,  1.,  2.])  
  >>> np.arange(3,7)  
  array([3, 4, 5, 6])  
  >>> np.arange(3,7,2)  
  array([3, 5])  

>>> arange(0,1,0.1)  
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9]) 

 

轉自：http://blog.csdn.net/qianwenhong/article/details/41414809

 

 

 

 

 

Python 中的range,以及numpy包中的arange函數

 

range()函數

 

• 函數說明： range(start, stop[, step]) -> range object，根據start與stop指定的范圍以及step設定的步長，生成一個序列。
  參數含義：start:計數從start開始。默認是從0開始。例如range（5）等價於range（0， 5）;
                end:技術到end結束，但不包括end.例如：range（0， 5） 是[0, 1, 2, 3, 4]沒有5
                scan：每次跳躍的間距，默認為1。例如：range（0， 5） 等價於 range(0, 5, 1)
  函數返回的是一個range object
  例子：

• >>> range(0,5)                 #生成一個range object,而不是[0,1,2,3,4]
  range(0, 5)
  >>> c = [i for i in range(0,5)]     #從0 開始到4，不包括5，默認的間隔為1
  >>> c
  [0, 1, 2, 3, 4]
  >>> c = [i for i in range(0,5,2)]   #間隔設為2
  >>> c
  [0, 2, 4]

  >>> range(0,5)               #生成一個range object,而不是[0,1,2,3,4] 
  range(0, 5)   
  >>> c = [i for i in range(0,5)]     #從0 開始到4，不包括5，默認的間隔為1
  >>> c
  [0, 1, 2, 3, 4]
  >>> c = [i for i in range(0,5,2)]   #間隔設為2
  >>> c
  [0, 2, 4]

• 若需要生成[ 0.   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8  0.9]
  

  >>> range(0,1,0.1)    #range中的setp 不能使float
  Traceback (most recent call last):
    File ”<pyshell#5>”, line 1, in <module>
      range(0,1,0.1)
  TypeError: ’float’ object cannot be interpreted as an integer

  >>> range(0,1,0.1)    #range中的setp 不能使float
  Traceback (most recent call last):
    File "<pyshell#5>", line 1, in <module>
      range(0,1,0.1)
  TypeError: 'float' object cannot be interpreted as an integer

 

arrange()函數

 

• 函數說明：arange([start,] stop[, step,], dtype=None)根據start與stop指定的范圍以及step設定的步長，生成一個 ndarray。 dtype : dtype
          The type of the output array.  If `dtype` is not given, infer the data
          type from the other input arguments.

  >>> np.arange(3)
    array([0, 1, 2])
    >>> np.arange(3.0)
    array([ 0.,  1.,  2.])
    >>> np.arange(3,7)
    array([3, 4, 5, 6])
    >>> np.arange(3,7,2)
    array([3, 5])

    >>> np.arange(3)
      array([0, 1, 2])
      >>> np.arange(3.0)
      array([ 0.,  1.,  2.])
      >>> np.arange(3,7)
      array([3, 4, 5, 6])
      >>> np.arange(3,7,2)
      array([3, 5])

• >>> arange(0,1,0.1)
  array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])

  >>> arange(0,1,0.1)
  array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])