一起學數據分析之pandas(01)——數據結構介紹(Series)

<code>from pandas import Series, DataFrame
import pandas as pd
/<code>

要使用pandas，首先就得熟悉它的兩個主要數據結構：Series和DateFrame。雖然它們並不能解決所有問題，但它們為大多數應用提供了一種可靠的、易於使用的基礎。

Series是一種類似於一位數組的對象，它由一組數據(各種NumPy數據類型)以及一組與之相關的數據標籤(即索引)組成。僅有一組數據即可產生最簡單的Series:

In [26]:

<code>obj = Series([4,7,5,-3])
obj
/<code>

Out[26]:

<code>0    4
1    7
2    5
3   -3
dtype: int64/<code>

Series的字符表現形式為：索引在左邊，值在右邊。由於我們沒有為數據指定索引，於是會自動創建一個0到N-1(N為數據的長度)的整數型索引。你可以通過Series的values和index屬性獲取其數組表示形式的索引對象:

In [5]:

<code>obj.index
/<code>

Out[5]:

<code>RangeIndex(start=0, stop=4, step=1)/<code>

In [6]:

<code>obj.values
/<code> 

Out[6]:

<code>array([ 4,  7,  5, -3])/<code>

通常，我們希望所創建的Series帶有一個可以對各個數據點進行標記的索引：

In [2]:

<code>obj2 = Series([4,7,-5,3], index=['d','b','a','c'])
obj2
/<code>

Out[2]:

<code>d    4
b    7
a   -5
c    3
dtype: int64/<code>

In [3]:

<code>obj2.index
/<code>

Out[3]:

<code>Index(['d', 'b', 'a', 'c'], dtype='object')/<code>

與普通的NumPy數據相比，你可以通過索引的方式選取Series中的單個或一組值:

In [4]:

<code>obj2['a']
/<code>

Out[4]:

<code>-5/<code>

In [5]:

<code>obj2['d'] = 6
obj2
/<code>

Out[5]:

<code>d    6
b    7
a   -5
c    3
dtype: int64/<code>

In [6]:

<code>obj2[['a','b','c','d']]
/<code> 

Out[6]:

<code>a   -5
b    7
c    3
d    6
dtype: int64/<code>

NumPy數組運算(如根據布爾型數組進行過濾、標量乘法、應用數學函數等)都會保留索引和值之間的鏈接

In [7]:

<code>obj2
/<code>

Out[7]:

<code>d    6
b    7
a   -5
c    3
dtype: int64/<code>

In [8]:

<code>obj2[obj2 > 0]
/<code>

Out[8]:

<code>d    6
b    7
c    3
dtype: int64/<code>

In [9]:

<code>obj2 * 2
/<code>

Out[9]:

<code>d    12
b    14
a   -10
c     6
dtype: int64/<code>

In [11]:

<code>import numpy as np
np.exp(obj2)
/<code>

Out[11]:

<code>d     403.428793
b    1096.633158
a       0.006738
c      20.085537
dtype: float64/<code>

還可以將Series看成是一個定長的有序字典，因為它是索引值到數據值的一個映射。它可以用在許多原本需要字典參數的函數中：

In [12]:

<code>'b' in obj2
/<code>

Out[12]:

<code>True/<code>

In [13]:

<code>'e' in obj2
/<code>

Out[13]:

<code>False/<code>

如果數據被存放在一個Python字典中，也可以直接通過這個字典來創建Series:

In [14]:

<code>sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
/<code>

In [15]:

<code>obj3 = Series(sdata)
obj3
/<code>

Out[15]:

<code>Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64/<code>

如果只傳入一個字典，則結果Series中的索引就是原字典的鍵（有序排列）。

In [32]:

<code>states = ['California','Ohio','Oregon','Texas']
/<code>

In [33]:

<code>obj4 = Series(sdata, index=states)
/<code>

In [34]:

<code>obj4
/<code>

Out[34]:

<code>California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64/<code>

在上面的例子中，sdata中跟states索引相匹配的那3個值會被找出來並放到相應的位置上，但由於'California'所對應的sdata值找不到，所以其結果就為NaN（即'非數字'，在pandas中，它用於表示缺失或NA值）。我將使用缺失或NA表示缺失數據。pandas的isnull和notnull函數可用於檢測缺失數據：

In [35]:

<code>pd.isnull(obj4)
/<code>

Out[35]:

<code>California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool/<code>

In [36]:

<code>pd.notnull(obj4)
/<code>

Out[36]:

<code>California    False
Ohio           True
Oregon         True
Texas          True
dtype: bool/<code>

Series也有類似的實例方法：

In [37]:

<code>obj4.isnull()
/<code>

Out[37]:

<code>California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool/<code>

在後面，我也會涉及到如何處理缺失數據的詳細內容。

對於許多應用而言，Series最重要的一個功能是：它在算術運算中會自動對齊不同索引的數據：

In [38]:

<code>obj3 + obj4
/<code>

Out[38]:

<code>California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN
dtype: float64/<code>

數據對齊功能，後面會單獨介紹。

Series對象本身及其索引都有一個name屬性，該屬性跟pandas其他的關鍵功能關係非常密切：

In [39]:

<code>obj4.name = 'population'
obj4.index.name = 'state'
obj4
/<code>

Out[39]:

<code>state
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
Name: population, dtype: float64/<code>

Series的索引可以通過賦值的方式就地修改：

In [40]:

<code>obj.index = ['Bob','Steve','Jeff','Ryan']
/<code>

In [41]:

<code>obj
/<code>

Out[41]:

<code>Bob      4
Steve    7
Jeff     5
Ryan    -3
dtype: int64/<code>