數(shù)據(jù)分析應用項目化教程(Python) 課件 任務4.1 構建數(shù)據(jù)對象_第1頁
數(shù)據(jù)分析應用項目化教程(Python) 課件 任務4.1 構建數(shù)據(jù)對象_第2頁
數(shù)據(jù)分析應用項目化教程(Python) 課件 任務4.1 構建數(shù)據(jù)對象_第3頁
數(shù)據(jù)分析應用項目化教程(Python) 課件 任務4.1 構建數(shù)據(jù)對象_第4頁
數(shù)據(jù)分析應用項目化教程(Python) 課件 任務4.1 構建數(shù)據(jù)對象_第5頁
已閱讀5頁,還剩12頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

第四章使用pandas進行數(shù)據(jù)對象構建和數(shù)據(jù)運算

任務4.1構建數(shù)據(jù)對象Pandas介紹Pandas的主要數(shù)據(jù)結構構建Series對象查看Series對象屬性構建DataFrame對象查看DataFrame對象屬性查看DataFrame和Series關系創(chuàng)建Index對象Pandas介紹NumPy是Python中科學計算的基礎包,主要用于對多維數(shù)組執(zhí)行計算,幫助我們輕松進行數(shù)值計算。pandas基于numpy,除了處理數(shù)值之外,還能夠幫助我們處理字符串、時間序列等其他類型的數(shù)據(jù)。Pandas

Python的核心數(shù)據(jù)分析支持庫,提供了快速、靈活、明確的數(shù)據(jù)結構,旨在簡單、直觀地處理關系型、標記型數(shù)據(jù)。

Pandas的主要數(shù)據(jù)結構

Pandas的主要數(shù)據(jù)結構是

Series(一維數(shù)據(jù))與

DataFrame(二維數(shù)據(jù)),數(shù)據(jù)分析相關的所有事務都是圍繞這兩種數(shù)據(jù)結構進行的。Series

是帶標簽的一維數(shù)組,可存儲整數(shù)、浮點數(shù)、字符串、Python對象等類型的數(shù)據(jù)。Series主要由一組數(shù)據(jù)和與之相關的索引兩部分構成,如圖Series對象結構。索引可以是名字,默認是數(shù)據(jù)的下標。而numpy的多維數(shù)組一般是同質的,數(shù)組的索引只能是下標。Series對象是一維數(shù)組結構,操作上與NumPy中的一維數(shù)組ndarray類似。Series對象結構Pandas的主要數(shù)據(jù)結構DataFrame

是由多種類型的列構成的二維標簽數(shù)據(jù)結構,類似于Excel、SQL表,或Series對象構成的字典。DataFrame類似numpy的二維數(shù)組,與二維數(shù)組的主要區(qū)別是,DataFrame既有行索引,也有列索引,不僅可以通過位置(下標)索引訪問數(shù)據(jù),還可以通過標簽(名稱)索引訪問數(shù)據(jù),也就是說可以通過行索引標簽名和列索引標簽名訪問數(shù)據(jù),而二維數(shù)組只能通過行位置索引和列位置索引訪問數(shù)據(jù)。另外一個主要區(qū)別是DataFrame的各列可以是不同的數(shù)據(jù)類型,而二維數(shù)組各列是相同的數(shù)值型。DataFrame對象結構構建Series對象pd.Series(data=None,index=None,dtype=None)參數(shù):data:傳入的數(shù)據(jù),可以是ndarray、list等index:索引,與數(shù)據(jù)的長度相等。如果沒有傳入索引參數(shù),則默認會自動創(chuàng)建一個從0-N的整數(shù)索引。dtype:數(shù)據(jù)的類型構建Series對象用一維ndarray數(shù)組創(chuàng)建Series對象。用字典創(chuàng)建Series對象。鍵值對中的“鍵”是用來作為Series對象的索引,鍵值對中的“值”作為Series對象的數(shù)據(jù)。構建Series對象用標量值創(chuàng)建Series對象,Series按索引長度重復該標量值用列表創(chuàng)建Series對象查看Series對象的屬性s.shape:Series對象的形狀。s.dtype:Series對象的數(shù)據(jù)數(shù)組中的數(shù)據(jù)類型。s.values:Series對象的數(shù)據(jù)數(shù)組s.index:Series對象的數(shù)據(jù)數(shù)組的索引:Series對象名:索引對象名構建DataFrame對象pd.DataFrame(data=None,index=None,columns=None)參數(shù):index:行標簽。如果沒有傳入索引參數(shù),則默認會自動創(chuàng)建一個從0-N的整數(shù)索引。columns:列標簽。如果沒有傳入索引參數(shù),則默認會自動創(chuàng)建一個從0-N的整數(shù)索引。通過已有數(shù)據(jù)創(chuàng)建構建DataFrame對象用多維數(shù)組創(chuàng)建DataFrame構建DataFrame對象用Series字典或字典創(chuàng)建DataFramedata={"name":{'one':"Jack",'two':"Mary",'three':"John",'four':"Alice"},"age":{'one':10,'two':20,'three':30,'four':40},"weight":{'one':30,'two':40,'three':50,'four':65}}構建DataFrame對象用一維數(shù)組字典創(chuàng)建DataFrame構建DataFrame對象用列表字典生成DataFrame查看DataFrame對象屬性shape:DataFrame對象的形狀index:DataFrame的行索引列表columns:DataFrame的列索引列表values:DataFrame對象中的數(shù)據(jù),

NumPy二維數(shù)組查看DataFrame和Series關系DataFrame的每一列都是一個Series,DataFrame的每一行都是一個Series。創(chuàng)建Index對象存儲軸標簽的數(shù)據(jù)結構是IndexDataFrame,行標簽(即行索引)和列名稱(即列索引)都是Index對象Series,行索引是Index對象。小結Pand

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論