pandas是基于NumPy構建的模塊，是數據分析必不可少的包之一，通常情況下，引入pandas的約定，隻要在代碼中看到pd，就要聯想到pandas：

import pandas as pd

pandas包含兩種最主要數據結構：序列（Series）和數據框（DataFrame）。對于這兩個數據結構，有兩個最基本的概念：軸（Axis）和标簽（Label），對于二維數據結構，軸是指行和列，軸标簽是指行的索引和列的名稱，存儲軸标簽的數據結構是Index結構。

對于這兩個數據結構，還有一個特性：數據對齊是天生存在的，軸和标簽之間的連接是内在的，不會被破壞，除非有意為之。這意味着，每行都有一個索引，通過索引可以定位到該行；每列都有一個列名，通過列名可以定位到該列；通過行索引和列名稱，可以唯一定位到一個唯一的數據點（cell）的數據值。

數據框（DataFrame）存儲的是二維數據，數據框的結構由row和column構成，每一行都有一個row label，每一列都有一個column label，把row和column稱作axis，把row label和column label稱作axis label。通常情況下，column label 是文本類型，是列名稱（column name），而row label是數值類型，也稱作行索引（row index）。

從DataFrame的結構圖中可以看出，DataFrame結構由二部分構成：深色的區域叫做Axis Label（軸标簽），淺灰色的區域是data，對于Axis，左側的軸稱作index、上方的軸稱作columns，而軸的結構實際上是一個Index類型。

import pandas as pd In [2]: df = pd.DataFrame({ ...: "Name": ["Braund", ...: "Allen", ...: "Bonnell"], ...: "Age": [22, 35, 58], ...: "Sex": ["male", "male", "female"]} ...: ) ...: In [3]: df Out[3]: Name Age Sex 0 Braund 22 male 1 Allen 35 male 2 Bonnell 58 female

該數據框（DataFrame） 有三行三列，行索引分别是0、1、2，列名稱分别是Name、Age和Sex。每一列的數據類型是相同的，對于Name和Sex列，它們的數據類型是文本，而Age列的數據類型是整數型。

序列（Series）是一維結構，DataFrame的每一列都是一個序列（Series），序列結構隻有行索引（row index），沒有列名稱（column name），但是序列有Name、dtype和index屬性，其中Name屬性是指序列的名稱，dtype屬性是指序列值的類型，index屬性是序列的索引。序列存儲的數據的數據類型是相同的。

從序列的結構圖中，可以看出，實際上，序列包含數據（data）和索引（index）。左側是索引，右側是數據。

從DataFrame中選擇Age列，這是一個Series結構，

In [4]: df["Age"] Out[4]: 0 22 1 35 2 58 Name: Age, dtype: int64

序列是由一組數據（各種NumPy數據類型），以及一組與之相關的行标簽（索引）組成，序列要求數據類型是相同的。

當然也可以創建一個新的序列，通過以下函數來創建一個新的序列：序列可以看作是一維數組：由于沒有顯式為Series指定索引，pandas會自動創建一個從0到length(Series)-1的整數型索引。

>>> cat=pd.Series(data=['a','b'],name='Category') >>> cat 0 a 1 b Name: Category, dtype: object

可以使用函數pandas.Series.rename() 來修改序列的name。

序列和數據框之間的關系是：數據框的每一列都是一個序列，數據框的每一行都是一個序列。

數據框（DataFrame）是二維的數據結構，由一組有序的列構成，每列的數據類型是相同的，列與列之間的數據類型可以不相同。數據框的結構是行和列，每一列都有列名（或叫做列索引、列标簽），每一行都有行索引，行索引通常是正整數，也可以是文本類型。

序列和數據框之間是密切關聯的，當訪問DataFrame的一行時，pandas自動把該行轉換為序列；當訪問DataFrame的一列時，Pandas也自動把該列轉換為序列。

存儲軸标簽的數據結構是Index，對于數據框，行标簽（即行索引）和列名稱（即列索引）是由Index對象存儲的；對于序列，行索引是由Index對象存儲的。索引對象是不可修改的，類似一個固定大小的數組。

對于索引，還可以通過序号來訪問，序号是自動生成的，從0開始。

軸标簽的最重要的作用是：

• 唯一标識數據，用于定位數據
• 用于數據對齊
• 獲取和設置數據集的子集。

數據框和序列對象都有一個屬性index，用于獲取行标簽，對于數據框，還有一個columns屬性，用于獲取列标簽：

>>> df.index RangeIndex(start=0, stop=3, step=1) >>>df.columns Index(['Name', 'Age', 'Sex'], dtype='object')

在大多數情況下，pandas使用NumPy的數組和dtypes作為序列和數據框中列的數據類型，NumPy支持的數據類型是float、int、bool、timedelta64[ns]。pandas擴展了NumPy的類型系統，用dtype屬性來顯示元素的數據類型，pandas主要有以下幾種dtype：

• 字符串類型：object
• 整數類型：Int64，Int32，Int16, Int8
• 無符号整數：UInt64，UInt32，UInt16, UInt8
• 浮點數類型：float64，float32
• 日期和時間類型：datetime64[ns]、datetime64[ns, tz]、timedelta[ns]
• 布爾類型：bool

1，查看變量的類型

查看變量的數據類型，使用type(var)函數

type(obj)

2，特殊的objct類型

通常情況下，使用object表示字符類型；

>>> pd.Series(['a', 'b', 'c'], dtype="object") 0 a 1 b 2 c dtype: object

對于object類型，如果一個pandas對象在單列中包括多個dtype，那麼使用object來容納所有的dtype。

# string data forces an ``object`` dtype In [333]: pd.Series([1, 2, 3, 6., 'foo']) Out[333]: 0 1 1 2 2 3 3 6 4 foo dtype: object

3，數值類型

pandas中的整數類型和浮點數類型可以為空（NULL），在定義數據組或序列時，使用dtype參數來定義整數類型：

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype()) pd.array([1, 2, np.nan], dtype="Int64") pd.Series([1, 2, np.nan], dtype="Int32")

使用float32、float64定義浮點數類型：

>>> pd.Series([1, 2, np.nan], dtype="float32") 0 1.0 1 2.0 2 NaN dtype: float32

4，日期和時間類型類型

datetime64[ns] 表示的是日期和時間類型

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]") 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]

可以使用astype()函數，顯式把對象的類型從一個類型強制轉換為指定的數據類型：

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]') 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]

pandas還有類型轉換的特殊函數，用于轉換為特定的數據類型：

• to_numeric()
• to_datetime()
• to_timedelta()

比如，把序列轉換為日期類型：

>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'])) 0 2018-07-01 1 2019-07-01 2 2019-10-01 dtype: datetime64[ns]

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!