pandas 學習 第1篇：pandas基礎 - 數據結構和數據類型

pandas是基於NumPy構建的模塊，含有使數據分析更快更簡單的操作工具和數據結構，是數據分析必不可少的五個包之一。pandas包含序列Series和數據框DataFrame兩種最主要數據結構，索引Index是跟序列和數據框密切相關的數據結構。

通常情況下，引入pandas的約定，只要在代碼中看到pd，就要聯想到pandas：

import pandas as pd

一，數據結構

序列是由一組數據（各種NumPy數據類型），以及一組與之相關的數據標簽（索引）組成，序列不要求數據類型是相同的。序列可以看作是一維數組：

>>> obj=pd.Series([4,5,'a'])
>>> obj
0    4
1    5
2    a
dtype: object

序列的表現形式為：索引在左邊，值在右邊。由於沒有顯式為Series指定索引，pandas會自動創建一個從0到N-1的整數型索引。

數據框（DataFrame）是二維的關系表格型數據結構，含有一組有序的列，每列的數據類型是相同的，列與列之間的數據類型可以不同，也可以相同。數據框的邏輯結構是行和列，列有列名（或叫做列索引），行有行索引，還可以為行或列索引設置標簽。

序列和數據框之間是密切關聯的，可以認為序列（Series）是二維表格中的一列或者一行。實際上，當訪問DataFrame的一行時，pandas自動把該行轉換為序列；當訪問DataFrame的一列時，Pandas也自動把該列轉換為序列。

Index對象是序列和數據框必不可少的成分，負責管理軸標簽，軸名稱等元數據，對於數據框，行有行索引，列有列索引；對於序列，行索引是必備的。索引對象是不可修改的，類似一個固定大小的數組。

二，數據類型

在大多數情況下，pandas使用NumPy的數組和dtypes作為序列和數據框中列的數據類型，NumPy支持的數據類型是float、int、bool、timedelta64[ns]。pandas擴展了NumPy的類型系統，用dtype屬性來顯示元素的數據類型，pandas主要有以下幾種dtype：

• 字符串類型：object
• 整數類型：Int64，Int32，Int16, Int8 
• 無符號整數：UInt64，UInt32，UInt16, UInt8 
• 浮點數類型：float64，float32
• 日期和時間類型：datetime64[ns]、datetime64[ns, tz]、timedelta[ns]
• 布爾類型：bool

1，查看變量的類型

查看變量的數據類型，使用type(var)函數

type(obj)

2，特殊的objct類型

通常情況下，使用object表示字符類型；

>>> pd.Series(['a', 'b', 'c'], dtype="object")
0    a
1    b
2    c
dtype: object

對於object類型，如果一個pandas對象在單列中包括多個dtype，那么使用object來容納所有的dtype。

# string data forces an ``object`` dtype
In [333]: pd.Series([1, 2, 3, 6., 'foo'])
Out[333]: 
0      1
1      2
2      3
3      6
4    foo
dtype: object

3，數值類型

pandas中的整數類型和浮點數類型可以為空（NULL），在定義數據組或序列時，使用dtype參數來定義整數類型：

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())
pd.array([1, 2, np.nan], dtype="Int64")
pd.Series([1, 2, np.nan], dtype="Int32")

使用float32、float64定義浮點數類型：

>>> pd.Series([1, 2, np.nan], dtype="float32")
0    1.0
1    2.0
2    NaN
dtype: float32

4，日期和時間類型類型

datetime64[ns] 表示的是日期和時間類型

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]")
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

三，類型轉換

可以使用astype()函數，顯式把對象的類型從一個類型強制轉換為指定的數據類型：

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]')
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

pandas還有類型轉換的特殊函數，用於轉換為特定的數據類型：

• to_numeric() 
• to_datetime() 
• to_timedelta() 

比如，把序列轉換為日期類型：

>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']))
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

 

 

參考文檔：

pandas overview