Pandas是基于NumPy的一個非常好用的庫，正如名字一樣，人見人愛。之所以如此，就在于不論是讀取、處理數據，用它都非常簡單。 ## [](https://github.com/qiwsir/StarterLearningPython/blob/master/311.md#基本的數據結構)基本的數據結構 Pandas有兩種自己獨有的基本數據結構。讀者應該注意的是，它固然有著兩種數據結構，因為它依然是python的一個庫，所以，python中有的數據類型在這里依然適用，也同樣還可以使用類自己定義數據類型。只不過，Pandas里面又定義了兩種數據類型：Series和DataFrame，它們讓數據操作更簡單了。 以下操作都是基于： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31101.png) 為了省事，后面就不在顯示了。并且如果你跟我一樣是使用ipython notebook，只需要開始引入模塊即可。 ### [](https://github.com/qiwsir/StarterLearningPython/blob/master/311.md#series)Series Series就如同列表一樣，一系列數據，每個數據對應一個索引值。比如這樣一個列表：[9, 3, 8]，如果跟索引值寫到一起，就是： | data | 9 | 3 | 8 | | --- | --- | --- | --- | | index | 0 | 1 | 2 | 這種樣式我們已經熟悉了，不過，在有些時候，需要把它豎過來表示： | index | data | | --- | --- | | 0 | 9 | | 1 | 3 | | 2 | 8 | 上面兩種，只是表現形式上的差別罷了。 Series就是“豎起來”的list： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31102.png) 另外一點也很像列表，就是里面的元素的類型，由你任意決定（其實是由需要來決定）。 這里，我們實質上創建了一個Series對象，這個對象當然就有其屬性和方法了。比如，下面的兩個屬性依次可以顯示Series對象的數據值和索引： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31103.png) 列表的索引只能是從0開始的整數，Series數據類型在默認情況下，其索引也是如此。不過，區別于列表的是，Series可以自定義索引： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31104.png) [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31105.png) 自定義索引，的確比較有意思。就憑這個，也是必須的。 每個元素都有了索引，就可以根據索引操作元素了。還記得list中的操作嗎？Series中，也有類似的操作。先看簡單的，根據索引查看其值和修改其值： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31106.png) 這是不是又有點類似dict數據了呢？的確如此。看下面就理解了。 讀者是否注意到，前面定義Series對象的時候，用的是列表，即Series()方法的參數中，第一個列表就是其數據值，如果需要定義index，放在后面，依然是一個列表。除了這種方法之外，還可以用下面的方法定義Series對象： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31108.png) 現在是否理解為什么前面那個類似dict了？因為本來就是可以這樣定義的。 這時候，索引依然可以自定義。Pandas的優勢在這里體現出來，如果自定義了索引，自定的索引會自動尋找原來的索引，如果一樣的，就取原來索引對應的值，這個可以簡稱為“自動對齊”。 [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31110.png) 在sd中，只有`'python':8000, 'c++':8100, 'c#':4000`，沒有"java"，但是在索引參數中有，于是其它能夠“自動對齊”的照搬原值，沒有的那個"java"，依然在新Series對象的索引中存在，并且自動為其賦值`NaN`。在Pandas中，如果沒有值，都對齊賦給`NaN`。來一個更特殊的： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31109.png) 新得到的Series對象索引與sd對象一個也不對應，所以都是`NaN`。 Pandas有專門的方法來判斷值是否為空。 [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31111.png) 此外，Series對象也有同樣的方法： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31112.png) 其實，對索引的名字，是可以從新定義的： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31117.png) 對于Series數據，也可以做類似下面的運算（關于運算，后面還要詳細介紹）： [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31107.png) [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31113.png) 上面的演示中，都是在ipython notebook中進行的，所以截圖了。在學習Series數據類型同時了解了ipyton notebook。對于后面的所有操作，讀者都可以在ipython notebook中進行。但是，我的講述可能會在python交互模式中進行。 ### [](https://github.com/qiwsir/StarterLearningPython/blob/master/311.md#dataframe)DataFrame DataFrame是一種二維的數據結構，非常接近于電子表格或者類似mysql數據庫的形式。它的豎行稱之為columns，橫行跟前面的Series一樣，稱之為index，也就是說可以通過columns和index來確定一個主句的位置。（有人把 DataFrame翻譯為“數據框”，是不是還可以稱之為“筐”呢？向里面裝數據嘛。) [](https://github.com/qiwsir/StarterLearningPython/blob/master/3images/31118.png) 下面的演示，是在python交互模式下進行，讀者仍然可以在ipython notebook環境中測試。 ~~~ >>> import pandas as pd >>> from pandas import Series, DataFrame >>> data = {"name":["yahoo","google","facebook"], "marks":[200,400,800], "price":[9, 3, 7]} >>> f1 = DataFrame(data) >>> f1 marks name price 0 200 yahoo 9 1 400 google 3 2 800 facebook 7 ~~~ 這是定義一個DataFrame對象的常用方法——使用dict定義。字典的“鍵”（"name"，"marks"，"price"）就是DataFrame的columns的值（名稱），字典中每個“鍵”的“值”是一個列表，它們就是那一豎列中的具體填充數據。上面的定義中沒有確定索引，所以，按照慣例（Series中已經形成的慣例）就是從0開始的整數。從上面的結果中很明顯表示出來，這就是一個二維的數據結構（類似excel或者mysql中的查看效果）。 上面的數據顯示中，columns的順序沒有規定，就如同字典中鍵的順序一樣，但是在DataFrame中，columns跟字典鍵相比，有一個明顯不同，就是其順序可以被規定，向下面這樣做： ~~~ >>> f2 = DataFrame(data, columns=['name','price','marks']) >>> f2 name price marks 0 yahoo 9 200 1 google 3 400 2 facebook 7 800 ~~~ 跟Series類似的，DataFrame數據的索引也能夠自定義。 ~~~ >>> f3 = DataFrame(data, columns=['name', 'price', 'marks', 'debt'], index=['a','b','c','d']) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib/pymodules/python2.7/pandas/core/frame.py", line 283, in __init__ mgr = self._init_dict(data, index, columns, dtype=dtype) File "/usr/lib/pymodules/python2.7/pandas/core/frame.py", line 368, in _init_dict mgr = BlockManager(blocks, axes) File "/usr/lib/pymodules/python2.7/pandas/core/internals.py", line 285, in __init__ self._verify_integrity() File "/usr/lib/pymodules/python2.7/pandas/core/internals.py", line 367, in _verify_integrity assert(block.values.shape[1:] == mgr_shape[1:]) AssertionError ~~~ 報錯了。這個報錯信息就太不友好了，也沒有提供什么線索。這就是交互模式的不利之處。修改之，錯誤在于index的值——列表——的數據項多了一個，data中是三行，這里給出了四個項（['a','b','c','d']）。 ~~~ >>> f3 = DataFrame(data, columns=['name', 'price', 'marks', 'debt'], index=['a','b','c']) >>> f3 name price marks debt a yahoo 9 200 NaN b google 3 400 NaN c facebook 7 800 NaN ~~~ 讀者還要注意觀察上面的顯示結果。因為在定義f3的時候，columns的參數中，比以往多了一項('debt')，但是這項在data這個字典中并沒有，所以debt這一豎列的值都是空的，在Pandas中，空就用NaN來代表了。 定義DataFrame的方法，除了上面的之外，還可以使用“字典套字典”的方式。 ~~~ >>> newdata = {"lang":{"firstline":"python","secondline":"java"}, "price":{"firstline":8000}} >>> f4 = DataFrame(newdata) >>> f4 lang price firstline python 8000 secondline java NaN ~~~ 在字典中就規定好數列名稱（第一層鍵）和每橫行索引（第二層字典鍵）以及對應的數據（第二層字典值），也就是在字典中規定好了每個數據格子中的數據，沒有規定的都是空。 ~~~ >>> DataFrame(newdata, index=["firstline","secondline","thirdline"]) lang price firstline python 8000 secondline java NaN thirdline NaN NaN ~~~ 如果額外確定了索引，就如同上面顯示一樣，除非在字典中有相應的索引內容，否則都是NaN。 前面定義了DataFrame數據（可以通過兩種方法），它也是一種對象類型，比如變量f3引用了一個對象，它的類型是DataFrame。承接以前的思維方法：對象有屬性和方法。 ~~~ >>> f3.columns Index(['name', 'price', 'marks', 'debt'], dtype=object) ~~~ DataFrame對象的columns屬性，能夠顯示素有的columns名稱。并且，還能用下面類似字典的方式，得到某豎列的全部內容（當然包含索引）： ~~~ >>> f3['name'] a yahoo b google c facebook Name: name ~~~ 這是什么？這其實就是一個Series，或者說，可以將DataFrame理解為是有一個一個的Series組成的。 一直耿耿于懷沒有數值的那一列，下面的操作是統一給那一列賦值： ~~~ >>> f3['debt'] = 89.2 >>> f3 name price marks debt a yahoo 9 200 89.2 b google 3 400 89.2 c facebook 7 800 89.2 ~~~ 除了能夠統一賦值之外，還能夠“點對點”添加數值，結合前面的Series，既然DataFrame對象的每豎列都是一個Series對象，那么可以先定義一個Series對象，然后把它放到DataFrame對象中。如下： ~~~ >>> sdebt = Series([2.2, 3.3], index=["a","c"]) #注意索引 >>> f3['debt'] = sdebt ~~~ 將Series對象(sdebt變量所引用) 賦給f3['debt']列，Pandas的一個重要特性——自動對齊——在這里起做用了，在Series中，只有兩個索引（"a","c"），它們將和DataFrame中的索引自動對齊。于是乎： ~~~ >>> f3 name price marks debt a yahoo 9 200 2.2 b google 3 400 NaN c facebook 7 800 3.3 ~~~ 自動對齊之后，沒有被復制的依然保持NaN。 還可以更精準的修改數據嗎？當然可以，完全仿照字典的操作： ~~~ >>> f3["price"]["c"]= 300 >>> f3 name price marks debt a yahoo 9 200 2.2 b google 3 400 NaN c facebook 300 800 3.3 ~~~ 這些操作是不是都不陌生呀，這就是Pandas中的兩種數據對象。