Pandas的Series和DataFrame怎么創建

本篇內容介紹了“Pandas的Series和DataFrame怎么創建”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

一、Pandas 簡介

Pandas是使用Python語言開發的用于數據處理和數據分析的第三方庫。它擅長處理數字型數據和時間序列數據，當然文本型的數據也能輕松處理。 Pandas 可以處理的數據格式非常多，常見的數據文件格式都可以快速導入，比如 CSV、JSON、SQL、Microsoft Excel 導入數據。

二、Pandas 數據結構

Pandas 的主要數據結構有兩種，分別是： Series （一維數據）與 DataFrame（二維數據）;所以后面的內容也是圍繞著這兩部門展開的；

2.1 Series （一維數據）

似于一維數組的對象，它由一組數據（各種Numpy數據類型）以及一組與之相關的數據標簽（即索引）組成。即：Series 與Numpy 數組基本是一樣的，只不過多了數據標簽（索引）；

Series 格式： pandas.Series( data, index, dtype, name, copy)

參數說明：

Series 舉例：

import pandas as pd

a = ['x','y','z']
b = [1,2,3]
mynum1 = pd.Series(b)
print(mynum1)
# 0    1
# 1    2
# 2    3

mynum2 = pd.Series(b,index=a)
print(mynum2)
# x    1
# y    2
# z    3
# dtype: int64

mynum3 = pd.Series(b,index=a,dtype=float)
print(mynum3)
# x    1.0
# y    2.0
# z    3.0
# dtype: float64

注意事項：

1. 一般情況下，當我們導入pandas的時候，都會將Pandas重命名為pd（因為大家都這么做；）

2. 當不指定index時，會默認index是一個從0開始的整數數組，即：0,1,2....；例如：上例中的mynum1；

3. 當不指定dtype時，pandas會自己判斷一個最合適的數據類型；例如：上例中的mynum2；

4. 也可以自己指定index與dtype, 這樣pandas會按照我們指定的數據生成；例如：上例中的mynum3；

2.2 DataFrame（二維數據）

類似于二維數組的對象，是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾型值）。DataFrame 既有行索引也有列索引；可以當作是許多個共用同一個索引的Series組成的數據結構；DataFrame 圖解如下：

上圖所表示的就是一個由n 個Series組成的DataFrame; 所有的Series 共享同一個Index ;

DataFrame 格式：pandas.DataFrame( data, index, columns, dtype, copy)

參數說明：

三、Series 的創建

3.1 由數創建

不指定Index的時候，用單個數值只能創建一個元素的Series;

mySer = pd.Series(2)
print(mySer)  
# 0    2
# dtype: int64

通過指定Index 可以生成多個相同元素的Series，舉例如下：

mySer = pd.Series(2,index=range(3))
print(mySer)
# 0    2
# 1    2
# 2    2
# dtype: int64

3.2 由列表創建

當不指定Index的時候，會默認生成RangeIndex(start=0, stop=n-1, step=1)的Index; 舉例如下：

lis = [3,4,5]
mySer = pd.Series(lis)
print(mySer)
# 0    3
# 1    4
# 2    5
# dtype: int64
print(mySer.index)
# RangeIndex(start=0, stop=3, step=1)
print(mySer.values)
# [3 4 5]

也可以指定Index, 舉例如下：

lis = [3,4,5]
ind = ["馬里奧","路易吉","林克"]
mySer = pd.Series(lis,index=ind)
print(mySer)
# 馬里奧    3
# 路易吉    4
# 林克     5
# dtype: int64
print(mySer.index)
# Index(['馬里奧', '路易吉', '林克'], dtype='object')
print(mySer.values)
# [3 4 5]

3.3 由字典創建

dic = {'馬里奧':3,'路易吉':4,'林克':5}
mySer = pd.Series(dic)
print(mySer)   
# 馬里奧    3
# 路易吉    4
# 林克     5
# dtype: int64
print(mySer.index)  
# Index(['馬里奧', '路易吉', '林克'], dtype='object')
print(mySer.values)
# [3 4 5]

3.4 由Numpy數組創建

array = np.array([0, 1, 2, 3])
mySer = pd.Series(array)
print(mySer)   
# 0    0
# 1    1
# 2    2
# 3    3
# dtype: int32
print(mySer.index)
# RangeIndex(start=0, stop=4, step=1)
print(mySer.values)
# [0 1 2 3]

四、DataFreme 的創建

由字典創建

dict1 = {'馬里奧':[2,3,4],'路易吉':[5,6,7],'林克':[8,9,0]}
df = pd.DataFrame(dict1,index=["英雄%s"%i for i in range(1,4)])
print(df)
#      馬里奧  路易吉  林克
# 英雄1    2     5     8      
# 英雄2    3     6     9      
# 英雄3    4     7     0

由Series創建

ser1 = pd.Series(np.arange(0,5,1))   
ser2 = pd.Series(np.arange(5,10,1))  
df = pd.DataFrame({'A':ser1,'B':ser2})
print(df)
#    A  B
# 0  0  5
# 1  1  6
# 2  2  7
# 3  3  8
# 4  4  9

由二維數組創建

arr = np.arange(9).reshape(3,3)
df = pd.DataFrame(arr,columns=['A','B','C'],index=['IN1','IN2','IN3'])
print(df)
#      A  B  C
# IN1  0  1  2
# IN2  3  4  5
# IN3  6  7  8

由列表創建

lis1=[1,2,3]
lis2=[2,3,4]
df = pd.DataFrame({'A':lis1,'B':lis2},index=['IN1','IN2','IN3'])
print(df)
#      A  B
# IN1  1  2
# IN2  2  3
# IN3  3  4

“Pandas的Series和DataFrame怎么創建”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！