Python Pandas中数据帧和矩阵的区别？

本文将介绍Python Pandas中数据帧和矩阵的区别。

数据帧和矩阵都是二维数据结构。一般来说，数据帧可以包含多个数据类型（数字、字符、因子等），而矩阵只能存储一种数据类型。

Python中的数据帧

在Python中，数据帧是一个二维的、表格式的、可变的数据结构，可以存储包含多种数据类型对象的表格数据。数据帧具有以行和列形式标记的轴。数据框在数据预处理中是非常有用的工具，因为它们提供了宝贵的数据处理方法。数据帧也可以用于创建数据透视表和使用Matplotlib绘制数据。

数据帧的应用

数据帧可以执行各种任务，例如适合统计公式。
数据处理（矩阵不支持，必须先转换为数据帧）。
转换行为列及其反之，在数据科学中非常有用。

创建一个样本数据框

算法（步骤）

下面是执行所需任务的算法/步骤 −

使用import关键字，导入带有别名名称的pandas、numpy模块。
使用pandas模块的 DataFrame() 函数创建数据帧。
打印输入数据框。

示例

以下程序使用 DataFrame() 函数返回一个数据帧 −

    # importing pandas, numpy modules with alias names
    import pandas as pd
    import numpy as np

    # creating a dataframe
    inputDataframe = pd. **DataFrame({** 'Name': ['Virat', 'Rohit', 'Meera', 'Nick', 'Sana'], 'Jobrole': ['Developer', 'Analyst', 'Help Desk', 'Database Developer', 'Finance accountant'], 'Age': [25, 30, 28, 25, 40] **})**

    # displaying the dataframe
    print(inputDataframe)

输出

在执行上述程序时，将生成以下输出 −

   Name             Jobrole      Age
0  Virat            Developer    25
1  Rohit            Analyst      30
2  Meera            Help Desk    28
3  Nick  Database   Developer    25
4  Sana  Finance    accountant   40

Python 中的矩阵

矩阵是一个二维矩形网格中组织的同质数据集的集合。它是具有相同数据类型的m*n数组。它使用向量输入创建。它有固定的行和列数。在Python中，矩阵支持多种算术操作，如加、减、乘和除法。

矩阵的应用

在经济学中，它非常有用，用于计算统计数据，例如国内生产总值 (Gross Domestic Product) 或人均收入价格 (Price per capita income)。
它也用于研究电路和电子电路。
打印输入数据框。
矩阵在调查研究中被用于绘制图形。
这在概率和统计中很有用。

将矩阵转换为数据框的矩阵乘法

算法 (步骤)

下面是执行所需任务的算法/步骤-

使用 import 关键字来导入 pandas 模块，并起一个别名。
创建两个变量，分别存储输入矩阵。
使用 pandas 模块的 DataFrame() 函数 (创建数据框) 创建两个矩阵的数据框，并将它们分别存储在不同的变量中。这里将数据装入 pandas 数据框中。
打印输入矩阵1的数据框。
应用 shape 属性，打印输入矩阵1的维度(shape)。
打印输入矩阵2的数据框。
应用 shape 属性，打印输入矩阵2的维度(shape)。
使用 dot() 函数将输入矩阵1和输入矩阵2相乘，并创建变量存储结果矩阵。
打印输入矩阵1和输入矩阵2的乘积的结果矩阵。
应用 shape 属性，打印结果矩阵的维度(shape)。

示例

以下程序使用 DataFrame() 函数返回数据框。

# 导入pandas模块
import pandas as pd

# 输入矩阵1
inputMatrix_1 = [[1, 2, 2],
   [1,  2, 0],
   [1,  0, 2]]

# 输入矩阵2
inputMatrix_2 = [[1, 0, 1],
   [2, 1, 1],
   [2, 1, 2]]

# 创建第一个矩阵的数据框
# （此处将数据加载到pandas DataFrames中）
df_1 = pd.DataFrame(data=inputMatrix_1)

# 创建第二个矩阵的数据框
df_2 = pd.DataFrame(data=inputMatrix_2)

# 打印输入矩阵1的数据框
print("inputMatrix_1:")
print(df_1)

# 打印输入矩阵1的维度（形状）
print("The dimensions(shape) of input matrix 1:")
print(df_1.shape)
print()

# 打印输入矩阵2的数据框
print("inputMatrix_2:")
print(df_2)

# 打印输入矩阵2的维度（形状）
print("The dimensions(shape) of input matrix 2:")
print(df_2.shape)
print()

# 将输入矩阵1和输入矩阵2相乘
result_mult = df_1.dot(df_2)

# 打印输入矩阵1和输入矩阵2的矩阵乘积结果
print("Resultant Matrix after Matrix multiplication:")
print(result_mult)

# 打印矩阵乘积结果的维度（形状）
print("Thedimensions(shape) of Resultant Matrix:")
print(result_mult.shape)

输出

inputMatrix_1:
0 1 2
0 1 2 2
1 1 2 0
2 1 0 2
The dimensions(shape) of input matrix 1:
(3, 3)

inputMatrix_2:
0 1 2
0 1 0 1
1 2 1 1
2 2 1 2
The dimensions(shape) of input matrix 2:
(3, 3)

Resultant Matrix after Matrix multiplication:
0 1 2
0 9 4 7
1 5 2 3
2 5 2 5
The dimensions(shape) of Resultant Matrix:
(3, 3)

下面是矩阵和数据框的差异表格。

Matrix vs Dataframe

矩阵	Dataframe
这是一系列数据集按照二维矩形组织的集合	数据框存储了具有多个数据类型的数据表，其中多列被称为字段。
矩阵是一个具有相同数据类型的m*n数组	数据框是长度相同的向量的列表。数据框是矩阵的泛化形式。
矩阵具有固定的行数和列数。	数据框的行数和列数是可变的。
同构的	异构的