Pandas 中的数据是什么

Pandas 中的数据是什么

作者: 莫烦 编辑: 莫烦 发布于: 2021-12-12

上次我们已经提到了在你分析数据时最基础的工作 用 Pandas 打开数据文件, 不过我们并没有详细说这份打开的数据,它的格式是什么样。但了解我们要如何更改加工数据,我们必然还是要清楚这个在 Pandas 中的数据格式是什么。

简单来说,Pandas 支持最好的是一维和二维数据,一维数据就是一个序列,一条数据,而二维数据是我们生活中更常见的种类,基本上所有 Excel 数据, 都是二维数据,有横纵交替,用两个维度来定位这个数据。

今天我们就来说说 Pandas 中的一维二维数据特性。会要涉及到的功能包括:

dataframe

数据序列Series

一串 Python List 的形式你肯定不陌生,Pandas 中的 Series 的核心其实就是一串类似于 Python List 的序列。只是它要比 Python List 丰富很多, 有更多的功能属性。

打印出来,对比很明显,Pandas Series 还帮我们额外维护了一份索引。有这个索引有啥意义呢?Python List 不也有一个隐藏的序号索引吗? 其实啊,Pandas 之所以做这一种索引,目的并不是仅让你用 0123 这样的序号来检索数据,它还想让你可以用自己喜欢的索引来检索。看看下面的代码吧。

是不是打开了新世界!原来还能自定义索引。现在想想,你有没有发现,是不是只要是有索引形式的结构,都可以搞成 Series?比如下面这样

太神奇了吧,原来字典也可以变成一个序列!更神奇的还在后面的 DataFrame 呢,也可以用字典来创建 DataFrame。

既然 Python 的 List 可以用来创建 Series,那我想 Numpy 应该也可以吧,要不来试试。

既然 Numpy 和 List 可以用来创建 Series,那 Series 能回退到 Numpy array 或者 List 吗? 我们试一试。

还真是,他们真的能自由穿梭,这可大大减轻了我们在不同的数据形式中切换的成本。一维的 Series 都这么神奇,那二维的 DataFrame 岂不是要玩出花来。

数据表DataFrame

Pandas 首先支持的是序列数据和表格数据,因为这两种是如常生活中最常用的数据保存和编辑格式了,你见过有人去编辑一个 3 维数据吗? 话说回来,如果你硬扯上 Excel 里面的不同 sheet,把 sheet 当成第三个维度,那也是成立的。sheet 这个我就先不说了,我们先看看用 Pandas 的 DataFrame 怎么维护一张数据表吧。

上一节数据文件读取的教学中,你 load 到的数据,实际上就是一个 DataFrame, 举个最简单的例子。将一个二维数组变成 Pandas 的 DataFrame。

你看看,它创建出来的 df,在真实数据外圈,还包上了一层其他的数据,比如 0 1, 这是什么呢?其实这是 DataFrame 中,用来索引行列的序号, 外圈的横竖都是 0 1 代表着每个维度上,都有第 0 位和第 1 位。如果我要按位置来选取一下其中的值,我可以这么干。

Pandas 中还有很多方式来选取和改变数据值,请按捺一下激动的小心情, 我们将在下节内容中具体介绍。

上面我们见识到了直接用一个二维列表来创建 DataFrame,但是自动创建的索引序号并不是很可读。我们还能将这些序号换成人类更好理解的文字标签信息。

可以从结果看出,其实字典中的 key 会被当成是数据中的 column,而 value 会被当做是 row,这个非常符合你在 Excel 中的使用习惯。 因为往往随着数据量变大,你用鼠标滚轮滚动查看不同数据的时候,天然的比较喜欢上下查看不同的数据样本,而不是左右查看,所以一般都是左右记的是数据标签(特征), 上下排列的是不同数据样本。

见识了字典变 DataFrame,其实 Series 也是可以组合变成 DataFrame 的,而且这也非常符合常理, 如果我从 DataFrame 中取出一个 Column, 这不就变成了一条 Series 了吗?

那么将两个 Series 拼接起来呢?

前面 Series 说过,我们是可以为它构建特殊索引的,现在来看看 Series 和 DataFrame 构建索引的方式:

既然 DataFrame 的 Column 和 Index 这么有意思,十有八九,你会想取出来用一用这些 Column 和 Index,比如你数据比较大的时候,想初步看看这份数据涉及了多少特征, 数据的 index 有多少种的时候,你可以直接获取到这些信息。

还有更有意思的,如果写前端的朋友,你们时常会遇到 json 形式的数据,比如可以像下面这样处理。

现在有了 Pandas 中的 DataFrame,我们在想转化成 Numpy,怎么搞? 如果你刚刚认真跑 Series 的案例,你就会知道可以用下面的方法。

Pandas 真的用心良苦,为我们广大数据同胞提供了这么多这么丰富的接口。学会这样观看数据,我们在分析和处理数据的时候就更有把握了。

总结

Pandas 中,为了我们提供了日常最常用的数据存储方式,分别是 Series 的一维数据,和 DataFrame 的二维数据,在机器学习中,我们常会接触到 3 维甚至是更高维度, 但是在分析数据的时候,特别是,要结合 Excel 来分析数据的时候,二维数据才是最常用的。

了解 Pandas 的 Series,DataFrame 如何构建,和这两种数据类型的差别,我们再来探索更有趣的数据选取教学


降低知识传递的门槛

莫烦经常从互联网上学习知识,开源分享的人是我学习的榜样。 他们的行为也改变了我对教育的态度: 降低知识传递的门槛免费 奉献我的所学正是受这种态度的影响。 通过 【赞助莫烦】 能让我感到认同,我也更有理由坚持下去。

    数据的伙伴 Pandas