Python Data Operations

Python主要通过两个库Pandas和Numpy处理各种格式的数据。 我们已经在前面的章节中看到了这两个库的重要特性。 在本章中，我们将看到每个库中有关如何操作数据的一些基本示例。

Numpy中的数据操作

NumPy中定义的最重要的对象是名为ndarray的N维数组类型。 它描述了相同类型的项目集合。 可以使用从零开始的索引访问集合中的项目。 ndarray类的实例可以通过本教程后面描述的不同数组创建例程来构造。 基本的ndarray是使用NumPy中的数组函数创建的，如下所示 -

numpy.array 

以下是Numpy数据处理的一些示例。

例子1 (Example 1)

# more than one dimensions 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print a

输出如下 -

[[1, 2] 
 [3, 4]]

例子2 (Example 2)

# minimum dimensions 
import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print a

输出如下 -

[[1, 2, 3, 4, 5]]

例子3 (Example 3)

# dtype parameter 
import numpy as np 
a = np.array([1, 2, 3], dtype = complex) 
print a

输出如下 -

[ 1.+0.j,  2.+0.j,  3.+0.j]

熊猫中的数据操作

Pandas通过Series ， Data Frame和Panel处理数据。 我们将从这些中看到一些例子。

熊猫系列

Series是一维标记数组，能够保存任何类型的数据（整数，字符串，浮点数，python对象等）。 轴标签统称为索引。 可以使用以下构造函数创建pandas系列 -

pandas.Series( data, index, dtype, copy)

例子 (Example)

在这里，我们从Numpy数组创建一个系列。

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print s

其output如下 -

0   a
1   b
2   c
3   d
dtype: object

熊猫DataFrame

数据框是二维数据结构，即数据以行和列的表格形式对齐。 可以使用以下构造函数创建pandas DataFrame -

pandas.DataFrame( data, index, columns, dtype, copy)

现在让我们使用数组创建一个索引的DataFrame。

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df

其output如下 -

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

熊猫面板

panel是数据的3D容器。 术语Panel data来源于计量经济学，并且部分负责名称pandas - pan(el)-da(ta) -s。

可以使用以下构造函数创建Panel -

pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)

在下面的示例中，我们从DataFrame Objects的dict创建一个面板

#creating an empty panel
import pandas as pd
import numpy as np
data = {'Item1' : pd.DataFrame(np.random.randn(4, 3)), 
        'Item2' : pd.DataFrame(np.random.randn(4, 2))}
p = pd.Panel(data)
print p

其output如下 -

<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis)
Items axis: 0 to 1
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 4