熊猫的数据结构
熊猫 是一个开源库，用于轻松直观地处理关系数据或标签数据。它提供各种数据结构和操作来处理数字数据和时间序列。它提供了清理和处理数据的工具。它是最流行的用于数据分析的 Python 库。在这篇文章中，我们将学习熊猫的数据结构。
它支持两种数据结构:
系列
Pandas 是一个一维标记数组，能够保存任何类型的数据(整数、字符串、浮点、python 对象等)。)
语法:熊猫。系列(数据=无，索引=无，数据类型=无，名称=无，副本=假，快速路径=假)
参数:
- 数据:数组-包含串联存储的数据。
- 索引:数组状或索引(1d)
- dtype : str、numpy.dtype 或 ExtensionDtype，可选
- 名称 : str，可选
- 复制 : bool，默认 False
示例 1: 保存字符数据类型的序列。
蟒蛇 3
import pandas as pd
# a simple char list
list = ['g', 'e', 'e', 'k', 's']
# create series form a char list
res = pd.Series(list)
print(res)
输出:
示例 2: 保存 Int 数据类型的序列。
蟒蛇 3
import pandas as pd
# a simple int list
list = [1,2,3,4,5]
# create series form a int list
res = pd.Series(list)
print(res)
输出:
例 3: 系列手持字典。
蟒蛇 3
import pandas as pd
dic = { 'Id': 1013, 'Name': 'MOhe',
'State': 'Maniput','Age': 24}
res = pd.Series(dic)
print(res)
输出:
数据帧
Pandas DataFrame 是一个二维大小可变、潜在异构的表格数据结构，带有标记轴(行和列)。数据框是一种二维数据结构，即数据以表格形式排列成行和列，如电子表格或 SQL 表，或一组系列对象。。熊猫数据框由三个主要部分组成，即数据、行和列。
创建熊猫数据框
在现实世界中，熊猫数据框架将通过从现有存储中加载数据集来创建，存储可以是 SQL 数据库、CSV 文件和 Excel 文件。熊猫数据框架可以从列表、字典和字典列表等创建。数据框可以用不同的方式创建，以下是我们创建数据框的一些方法:
示例 1: 可以使用单个列表或列表列表创建数据框。
蟒蛇 3
# import pandas as pd
import pandas as pd
# list of strings
lst = ['Geeks', 'For', 'Geeks', 'is',
'portal', 'for', 'Geeks']
# Calling DataFrame constructor on list
df = pd.DataFrame(lst)
display(df)
输出:
示例 2: 从一组数据/列表创建数据帧。
要从 narray/list 的 dict 创建 DataFrame，所有 narray 必须具有相同的长度。如果传递了索引，那么长度索引应该等于数组的长度。如果没有传递索引，那么默认情况下，索引将是范围(n)，其中 n 是数组长度。
蟒蛇 3
# Python code demonstrate creating
# DataFrame from dict narray / lists
# By default addresses.
import pandas as pd
# initialise data of lists.
data = {'Name':['Tom', 'nick', 'krish', 'jack'],
'Age':[20, 21, 19, 18]}
# Create DataFrame
df = pd.DataFrame(data)
# Print the output.
display(df)
输出:
处理数据框中的一列一行
列的选择:为了在熊猫数据框中选择一列，我们可以通过按列名调用列来访问它们。
蟒蛇 3
# Import pandas package
import pandas as pd
# Define a dictionary containing employee data
data = {'Name':['Jai', 'Princi', 'Gaurav', 'Anuj'],
'Age':[27, 24, 22, 32],
'Address':['Delhi', 'Kanpur', 'Allahabad', 'Kannauj'],
'Qualification':['Msc', 'MA', 'MCA', 'Phd']}
# Convert the dictionary into DataFrame
df = pd.DataFrame(data)
# select two columns
print(df[['Name', 'Qualification']])
输出:
如何从熊猫数据框中选择行和列？
示例 1: 选择行。
熊猫。数据框是一个用于根据提供的条件从熊猫数据框中选择行的函数。
语法:df.loc[df[' cname ']' condition ']
参数:
- df: 代表数据帧
- cname: 代表列名
- 条件:代表必须选择行的条件
蟒蛇 3
# Importing pandas as pd
from pandas import DataFrame
# Creating a data frame
Data = {'Name': ['Mohe', 'Shyni', 'Parul', 'Sam'],
'ID': [12, 43, 54, 32],
'Place': ['Delhi', 'Kochi', 'Pune', 'Patna']
}
df = DataFrame(Data, columns = ['Name', 'ID', 'Place'])
# Print original data frame
print("Original data frame:\n")
display(df)
# Selecting the product of Electronic Type
select_prod = df.loc[df['Name'] == 'Mohe']
print("\n")
# Print selected rows based on the condition
print("Selecting rows:\n")
display (select_prod)
输出:
例 2: 选择列。
蟒蛇 3
# Importing pandas as pd
from pandas import DataFrame
# Creating a data frame
Data = {'Name': ['Mohe', 'Shyni', 'Parul', 'Sam'],
'ID': [12, 43, 54, 32],
'Place': ['Delhi', 'Kochi', 'Pune', 'Patna']
}
df = DataFrame(Data, columns = ['Name', 'ID', 'Place'])
# Print original data frame
print("Original data frame:")
display(df)
print("Selected column: ")
display(df[['Name', 'ID']] )
输出:
