Python数据分析基础_第2节:Python中数据结构

第2节 Python中的数据结构

基本数据格式

  • 整数 : int(int32或者int64等)
  • 小数 : float(float32或者float64等)
  • 字符串 : string
  • 布尔值 : True False
  • 对象 : object

Python中基本数据结构

列表(list) 丨★★★

  • 可变的序列
  • 中括号
  • 列表中的元素可为任何格式
# 定义列表
ls1 = [1,2,3,4,5]
ls2 = ['a','b','c','d','e']
ls3 = ['a','b',[1,2],'d','e']
  • 1
  • 2
  • 3
  • 4
# 打印
print(ls1)
print(ls2)
print(ls3)
  • 1
  • 2
  • 3
  • 4
[1, 2, 3, 4, 5]
['a', 'b', 'c', 'd', 'e']
['a', 'b', [1, 2], 'd', 'e']
  • 1
  • 2
  • 3

在for循环中使用

for i in ls1:
    print(i+10)
  • 1
  • 2
11
12
13
14
15
  • 1
  • 2
  • 3
  • 4
  • 5

tolist()与list()

# 导入工具包,生成一个DataFrame数据
import pandas as pd
import numpy as np
df1 = pd.DataFrame(np.random.randint(10,50,(5,2)),columns=['A','B'])
df1
  • 1
  • 2
  • 3
  • 4
  • 5
A B
0 43 21
1 44 13
2 37 15
3 15 28
4 12 10
print(df1['A'])
print('----------------------------')
print(df1['A'].tolist())
print('----------------------------')
print(list(df1['A']))
0    43
1    44
2    37
3    15
4    12
Name: A, dtype: int32
----------------------------
[43, 44, 37, 15, 12]
----------------------------
[43, 44, 37, 15, 12]

 

字典(dict) 丨★★★

  • 由键(key) 和 值(values), 组成的成对数据
  • 大括号
  • 键值之间用冒号
# 定义字典
dic1 = {'A':1,'B':2}
dic2 = {'A':'中国','B':'美国'}
dic3 = {'A':[1,2,3],'B':[4,2,5]}

 

# 打印
print(dic1)
print(dic2)
print(dic3)

 

{'A': 1, 'B': 2}
{'A': '中国', 'B': '美国'}
{'A': [1, 2, 3], 'B': [4, 2, 5]}

 

元组(Tuple)

  • 固定长度,不可变的序列
  • 用逗号分割
# 元祖
tup1 = 4,5,6,7
tup2 = 'a','b','1',1
print(tup1)
print(tup2)
(4, 5, 6, 7)
('a', 'b', '1', 1)

集合(set)

  • 一组无序元素的集合。
  • 大括号
# 集合
s1 = set([2,2,2,1,3,3,'a','a'])
print(s1)
{1, 2, 3, 'a'}

Numpy中数据结构 丨array()

  • 数组(array)
# 生成一维数组
import numpy as np
arr1 = np.array([1,2,3,4,5])
arr1
array([1, 2, 3, 4, 5])
# 生成二维数组
arr2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
arr2
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
  • 1
  • 2
# 数组属性
print(arr2.shape)
print(arr2.size)
print(arr2.dtype)
  • 1
  • 2
  • 3
  • 4
(2, 5)
10
int32
  • 1
  • 2
  • 3
# 数组的运算
arr3 = arr2 + 100
arr3
  • 1
  • 2
  • 3
  • 4
array([[101, 102, 103, 104, 105],
       [106, 107, 108, 109, 110]])
  • 1
  • 2

Pandas中数据结构

一维数据(Series) 丨★★★★★

  • 一维的数组类对象,
  • 包含一个序列和数据标签(索引)
# 生成一个Series
import numpy as np
import pandas as pd
s1 = pd.Series([4,7,-5,3])   # S 大写
s2 = pd.Series(np.random.random(5))     # 生成5个 0到1 间的随机数
s3 = pd.Series(np.random.randn(5),index=list('ABCDE'))    # 生成5个 -1到1 间的随机数
s4 = pd.Series(np.random.randint(5,20,5),index=list('ABCDE'))  # 生成5个 5到20 间的随机整数
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
print(s1)
print('----------------------------')
print(s2)
print('----------------------------')
print(s3)
print('----------------------------')
print(s4)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
0    4
1    7
2   -5
3    3
dtype: int64
----------------------------
0    0.327655
1    0.314315
2    0.118767
3    0.249609
4    0.005788
dtype: float64
----------------------------
A   -0.462626
B    0.135683
C   -0.417308
D    0.061270
E   -0.687880
dtype: float64
----------------------------
A     6
B     9
C    14
D    18
E    16
dtype: int32
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
# 值
s1.values
  • 1
  • 2
array([ 4,  7, -5,  3], dtype=int64)
  • 1
# 索引
s1.index
  • 1
  • 2
RangeIndex(start=0, stop=4, step=1)
  • 1
# 比较运算
s2 > 0.5
  • 1
  • 2
0    False
1    False
2    False
3    False
4    False
dtype: bool
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
# 四则运算
s2 + 10
  • 1
  • 2
0    10.327655
1    10.314315
2    10.118767
3    10.249609
4    10.005788
dtype: float64
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
# 根据索引筛选
s4['A']
  • 1
  • 2
6
  • 1

二维数据(DataFrame) 丨★★★★★

  • DataFrame : 二位数组类对象
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(5,20,(10,5)),columns=list('ABCDE'))
print(df)
  • 1
  • 2
  • 3
  • 4
    A   B   C   D   E
0   7  12  18  11  15
1  10  18  18  15   7
2  10   6   6  17  16
3  17   6  18   5  13
4  15  13  19  17   9
5  14  11   9  11   9
6  10  19   7   8   5
7   9  16  12   7   9
8  19   5  11   6   9
9   7  15  12  10   7
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
# 前n行,默认前5行
df.head()
  • 1
  • 2
A B C D E
0 7 12 18 11 15
1 10 18 18 15 7
2 10 6 6 17 16
3 17 6 18 5 13
4 15 13 19 17 9
# 最后n行,默认最后5行
df.tail()
  • 1
  • 2
A B C D E
5 14 11 9 11 9
6 10 19 7 8 5
7 9 16 12 7 9
8 19 5 11 6 9
9 7 15 12 10 7
# 大小
df.shape
  • 1
  • 2
(10, 5)
  • 1
# 信息
df.info()
  • 1
  • 2
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 5 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   A       10 non-null     int32
 1   B       10 non-null     int32
 2   C       10 non-null     int32
 3   D       10 non-null     int32
 4   E       10 non-null     int32
dtypes: int32(5)
memory usage: 328.0 bytes
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
# 描述统计
df.describe().round(2)
  • 1
  • 2
A B C D E
count 10.00 10.00 10.00 10.00 10.0
mean 11.80 12.10 13.00 10.70 9.9
std 4.18 5.09 4.92 4.40 3.6
min 7.00 5.00 6.00 5.00 5.0
25% 9.25 7.25 9.50 7.25 7.5
50% 10.00 12.50 12.00 10.50 9.0
75% 14.75 15.75 18.00 14.00 12.0
max 19.00 19.00 19.00 17.00 16.0
# 索引
df.index
  • 1
  • 2
RangeIndex(start=0, stop=10, step=1)
  • 1
# 列名
df.columns
  • 1
  • 2
Index(['A', 'B', 'C', 'D', 'E'], dtype='object')
  • 1
# 格式
df.dtypes
  • 1
  • 2
A    int32
B    int32
C    int32
D    int32
E    int32
dtype: object
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
# 索引
df[:5]
  • 1
  • 2
A B C D E
0 7 12 18 11 15
1 10 18 18 15 7
2 10 6 6 17 16
3 17 6 18 5 13
4 15 13 19 17 9

本节重点

  • 列表、字典定义:列表中括号,字典大括号
  • Series 和 DataFrame:首字母大写
  • DataFrame属性与方法:是否带括号
  • 索引

未经允许不得转载:破虚小站 » Python数据分析基础_第2节:Python中数据结构

赞 (0) 打赏

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏