Python_AI库 Pandas的数据结构及基本操作

Python_AI库 Pandas的数据结构及基本操作

本文默认读者具备以下技能：

• 熟悉python基础知识，vscode或其它编辑工具
• 熟悉表格文件的基本操作
• 具备自主扩展学习能力

本文篇幅较长，但比较重要，希望读者可以认真看完并实例运行。

Pandas提供了两种主要的数据结构，它们分别是Series、DataFrame，它们都是建立在Numpy数组之上，因此运行速度很快。以下是对这三种数据结构的详细介绍：

1. Series：

   • 一维带标签的同质数组，大小不可变。
   • 可以将标量值、字典、列表等作为输入数据来创建Series对象。
   • Series有一个标签，用于标识每个数据点，可以看作是数据的一维表示。

2. DataFrame（最常用的数据结构，要重点了解）：

   • 通用的二维带标签的表格结构，其中列的类型可能不同，大小可变。
   • 可以从字典、列表、数组等创建DataFrame。
   • DataFrame有行索引（index）和列索引（columns），可以方便地进行数据的选取、切片和聚合等操作。
   • DataFrame是Pandas的核心数据结构，非常适合存储和处理表格型数据。

3. Panel(因结构复杂，使用少，已弃用，这里仅作扩展介绍，避免读者看到较早以前的教程时不理解)：

   • 通用的三维带标签的数组，大小可变。
   • Panel可以看作是多个DataFrame的容器，用于处理三维数据。
   • 由于其复杂性，Panel在实际应用中较少使用，通常可以通过其他方式（如多层索引的DataFrame）来处理三维数据。

Series的基本操作：

1. 创建Series：

import pandas as pd

# 使用列表创建Series
s1 = pd.Series([1, 2, 3, 4, 5])
print(s1)

# 使用NumPy数组创建Series
import numpy as np
s2 = pd.Series(np.arange(10))
print(s2)

# 使用字典创建Series，字典的键将作为索引，值将作为数据
data = {
   
   'a': 1, 'b': 2, 'c': 3}
s3 = pd.Series(data)
print(s3)

2. 访问与切片：

# 访问Series中的单个元素
print(s1[0])  # 使用位置索引访问第一个元素
print(s3['a'])  # 使用标签索引访问键为'a'的元素

# 切片操作
sub_s1 = s1[1:4]  # 访问第二个到第四个元素（不包含第四个）
print(sub_s1)

# 使用标签切片
sub_s3 = s3['a':'c']  # 访问键从'a'到'c'的元素（包含'a'和'c'）
print(sub_s3)

3. 索引操作：

# 查看Series的索引
print(s3.index)

# 重新设置Series的索引
s3.index = ['x', 'y', 'z']
print(s3)

4. 数据操作：

# 对Series进行数学运算
s4 = s1 * 2  # 每个元素乘以2
print(s4)

# 对Series应用函数
s5 = s1.apply</