Pandas中的数据结构

Pandas是一个开源的库，用于轻松和直观地处理关系型或标签型数据。它提供了各种数据结构和操作来处理数字数据和时间序列。它提供了一个清理和处理数据的工具。它是最流行的Python库，用于数据分析。在这篇文章中，我们将学习Pandas数据结构。

它支持两种数据结构。

Series
Dataframe

Series

Pandas是一个一维标记的数组，能够容纳任何类型的数据（整数、字符串、浮点、Python对象等）。

语法： pandas.Series( data=None , index=None , dtype=None , name=None , copy=False , fastpath=False)

参数:

data : 数组- 包含存储在系列中的数据。
index : 类似数组或索引(1d)
dtype : str, numpy.dtype, or ExtensionDtype, optional
name : str, optional
copy: bool, 默认为 False

例子1：持有char数据类型的系列。

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:

Pandas中的数据结构

例子2：系列持有Int数据类型。

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:

Pandas中的数据结构

例子3：系列持有字典。

import pandas as pd
 
dic = { 'Id': 1013, 'Name': 'MOhe',
       'State': 'Maniput','Age': 24}
 
res = pd.Series(dic)
print(res)

输出:

Pandas中的数据结构

Dataframe

Pandas DataFrame是一个二维的大小可调的、可能是异质的表格式数据结构，有标记的轴（行和列）。数据框架是一个二维数据结构，也就是说，数据以表格的方式排列在行和列中，就像电子表格或SQL表，或Series对象的dict。.Pandas DataFrame由三个主要部分组成，即数据、行和列。

创建一个Pandas数据框架

在现实世界中，Pandas DataFrame将通过从现有的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。Pandas DataFrame可以从列表、字典和字典列表中创建。数据框架可以通过不同的方式创建，下面是我们创建数据框架的一些方法。

例子1： DataFrame可以使用一个单一的列表或一个列表来创建。

# 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:

Pandas中的数据结构

示例2：从ndarray/lists的dict中创建DataFrame。

要从narray/list的dict创建DataFrame，所有的narray必须是相同的长度。如果传递了索引，那么索引的长度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range(n)，其中n是数组长度。

# 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:

Pandas中的数据结构

处理DataFrame中的列和行

选择列：为了在Pandas DataFrame中选择一个列，我们可以通过调用它们的列名来访问这些列。

# 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:

Pandas中的数据结构

如何从Pandas DataFrame中选择行和列

例子1：选择行。

pandas.DataFrame.loc是一个函数，用于根据提供的条件从Pandas DataFrame中选择行。

语法: df.loc[df[‘cname’] ‘condition’]

参数:

df:代表数据框架
cname: 代表列名
condition:代表需要选择的行的条件。

# 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:

Pandas中的数据结构

例子2：选择列。

# 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']] )