8Python科学计算与数据处理PPT资料.ppt

8Python科学计算与数据处理PPT资料.ppt

《8Python科学计算与数据处理PPT资料.ppt》由会员分享，可在线阅读，更多相关《8Python科学计算与数据处理PPT资料.ppt（115页珍藏版）》请在冰豆网上搜索。

由于没有为数据指定索引，于是会自动创建一个0到N-1（N为数据的长度）的整数型索引。

可以通过Series的values和index属性获取其数组表示形式和索引对象：

6,obj.valuesarray（4,7,-5,3,dtype=int64）obj.indexInt64Index（0,1,2,3,dtype=int64）,pandas的数据结构介绍,通常希望所创建的Series带有一个可以对各个数据点进行标记的索引：

7,obj2=Series（4,7,-5,3,index=d,b,a,c）obj2d4b7a-5c3dtype:

int64obj2.indexIndex（ud,ub,ua,uc,dtype=object）,pandas的数据结构介绍,与普通NumPy数组相比，可以通过索引的方式选取Series中的单个或一组值:

8,obj2a-5obj2d=6obj2c,a,dc3a-5d6dtype:

int64,pandas的数据结构介绍,NumPy数组运算（如根据布尔型数组进行过滤、标量乘法、应用数学函数等）都会保留索引和值之间的链接：

9,obj2obj2obj20obj2*2np.exp（obj2）d403.428793b1096.633158a0.006738c20.085537dtype:

float64,pandas的数据结构介绍,还可以将Series看成是一个定长的有序字典，因为它是索引值到数据值的一个映射。

它可以用在许多原本需要字典参数的函数中：

10,binobj2Trueeinobj2False,pandas的数据结构介绍,11,如果数据被存放在一个Python字典中，也可以直接通过这个字典来创建Series:

sdata=Ohio:

35000,Texas:

71000,Oregon:

16000,Utah:

5000obj3=Series（sdata）obj3Ohio35000Oregon16000Texas71000Utah5000dtype:

int64,pandas的数据结构介绍,如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）。

在例子中，sdata跟states索引相匹配的那3个值会被找出来并放到相应的位置上，但由于“California”所对应的sdata值找不到，所以其结果就为NaN（即“非数字”（notanumber）.,12,states=California,Ohio,Oregon,Texasobj4=Series（sdata,index=states）obj4CaliforniaNaNOhio35000Oregon16000Texas71000dtype:

float64,pandas的数据结构介绍,在pandas中使用NaN表示缺失（missing）或NA值。

pandas的isnull和notnull函数可用于检测缺失数据：

13,pd.isnull（obj4）#Series也有类似的实例方法:

CaliforniaTrue#obj4.isnull（）OhioFalseOregonFalseTexasFalsedtype:

boolpd.notnull（obj4）CaliforniaFalseOhioTrueOregonTrueTexasTruedtype:

bool,pandas的数据结构介绍,对于许多应用而言，Series域重要的一个功能是：

它在算术运算中会自动对齐不同索引的数据。

14,obj3obj4obj3+obj4CaliforniaNaNOhio70000Oregon32000Texas142000UtahNaNdtype:

float64,pandas的数据结构介绍,Series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切：

15,obj4.name=populationobj4.index.name=stateobj4stateCaliforniaNaNOhio35000Oregon16000Texas71000Name:

population,dtype:

float64,pandas的数据结构介绍,16,Series的索引可以通过赋值的方式就地修改：

obj04172-533obj.index=Bob,Steve,Jeff,RyanobjBob4Steve7Jeff-5Ryan3dtype:

int64,pandas的数据结构介绍,17,DataFrameDataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。

DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。

跟其他类似的数据结构相比（如R的data.frame），DataFrame中面向行和面向列的操作基本上是平衡的。

其实，DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或別的一维数据结构）。

pandas的数据结构介绍,构建DataFrame的办法有很多，最常用的一种是直接传入一个由等长列表或NumPy数组组成的字典：

结果DataFrame会自动加上索引（跟Series一样），且全部列会被有序悱列.,18,data=state:

Ohio,Ohio,Ohio,Nevada,Nevada,year:

2000,2001,2002,2001,2002,pop:

1.5,1.7,3.6,2.4,2.9frame=DataFrame（data）frame,pandas的数据结构介绍,如果指定了列序列，则DataFrame的列就会按照指定顺序迸行排列:

跟Series一样，如果传入的列在数据中找不到，就会产生NA值：

19,DataFrame（data,columns=year,state,pop）,frame2=DataFrame（data,columns=year,state,pop,debt,index=one,two,three,four,five）frame2frame2.columnsIndex（uyear,ustate,upop,udebt,dtype=object）,pandas的数据结构介绍,通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series:

20,frame2stateoneOhiotwoOhiothreeOhiofourNevadafiveNevadaName:

state,dtype:

objectframe2.yearone2000two2001three2002four2001five2002Name:

year,dtype:

int64,pandas的数据结构介绍,注意，返冋的Series拥有原DataFrame相同的索引，且其name属性也已经被相应地设置好了。

行也可以通过位置或名称的方式进行获取，比如用索引字段ix：

21,frame2.ixthreeyear2002stateOhiopop3.6debtNaNName:

three,dtype:

object,pandas的数据结构介绍,列可以通过赋值的方式进行修改。

例如，可以给那个空的“debt”列赋上一个标量值或一组值：

22,frame2debt=16.5frame2frame2debt=np.arange（5）frame2,pandas的数据结构介绍,23,将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。

如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：

val=Series（-1.2,-1.5,-1.7,index=two,four,five）frame2debt=valframe2,pandas的数据结构介绍,为不存在的列赋值会创建出一个新列。

关键字del用于删除列:

24,frame2eastern=frame2.state=Ohioframe2delframe2easternframe2.columnsIndex（uyear,ustate,upop,udebt,dtype=object）,pandas的数据结构介绍,另一种常见的数据形式是嵌套字典（也就是字典的字典）：

如果将它传给DataFrame，它就会被解释为：

外层字典的键作为列，内层键则作为行索引：

25,pop=Nevada:

2001:

2.4,2002:

2.9,Ohio:

2000:

1.5,2001:

1.7,2002:

3.6,frame3=DataFrame（pop）frame3frame3.T#也可以对该结果进行转置,pandas的数据结构介绍,内层字典的键会被合并、排序以形成最终的索引。

如果显式指定了索引，则不会这样:

由Series组成的字典差不多也是一样的用法:

26,DataFrame（pop,index=2001,2002,2003）,frame3pdata=Ohio:

frame3Ohio:

-1,Nevada:

frame3Nevada:

2DataFrame（pdata）,pandas的数据结构介绍,27,如果设置了DataFrame的index和columns的name属性，则这些信息也会被显示出来：

跟Series一样，values属性也会以二维ndarray的形式返回DataFrame中的数据：

frame3.index.name=year;

frame3.columns.name=stateframe3,frame3.index.name=year;

frame3.columns.name=stateframe3.valuesarray（nan,1.5,2.4,1.7,2.9,3.6）,pandas的数据结构介绍,28,如果DataFrame各列的数据类型不同，则值数组的数据类型就会选用能兼容所有列的数据类型：

frame2frame2.valuesarray（2000L,Ohio,1.5,nan,2001L,Ohio,1.7,-1.2,2002L,Ohio,3.6,nan,2001L,Nevada,2.4,-1.5,2002L,Nevada,2.9,-1.7,dtype=object）,pandas的数据结构介绍,索引对象pandas的索引对象负责管理轴标签和其他元数据（比如轴名称等）。

构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index:

29,obj=Seri