dataframe修改数据_数据处理进阶pandas入门（一）

前言

NumPy作为数据处理的利器，在对数据进行科学计算、存储处理大型矩阵等方面为我们带来了极大的方便，但对于更进一步的数据分析任务，文件操作等方面显得有些吃力。于是，作为NumPy的进阶库pandas应运而生，在实际应用中，一般NumPy和pandas都是一起出现的，二者再配合Matplotlib可以做很多基础的数据处理、分析和展示。

经过前几次的内容，我们已经掌握了NumPy的基本用法，接下来我们将开始进入到pandas的介绍。

pandas基本概念

pandas是基于NumPy构建的一种数据处理工具，被誉为Python中的Excel，主要是为了解决数据分析任务而创建的。pandas中含有大量的数据处理运算相关库以及一些标准的数据模型，提供了高效操作大型数据集必备的工具。利用pandas提供的函数和方法能使我们快速便捷高效地处理数据。

下面给出了pandas库的安装教程以及pandas中文参考文档。

pandas的安装教程：http://pandas.pydata.org/pandas-docs/stable/install.html

pandas中文文档：https://www.pypandas.cn

pandas基本数据结构

pandas主要包括四类数据结构：Series、Time-Series、DataFrame和Panel。

Series：类似于NumPy中的一维ndarray，能保存不同种数据类型，包括字符串、boolean值、数字等。除了可以使用NumPy中一维ndarray可用的函数或方法外，还可以通过索引标签的方式获取数据，具有索引的自动对齐功能。

Time-Series：以时间为索引的Series。之所以将它从Series中独立出来，是因为时间序列在数据处理与分析中是一个很重要的概念，之后讲到时再具体介绍。

DataFrame：二维的表格型数据结构。功能非常类似于R语言中的data.frame。从结构上来看，我们可以将DataFrame理解为Series的容器。

Panel：三维数据结构。从结构上来看，我们可以理解为DataFrame的容器。

初识Series和DataFrame

Series和DataFrame是pandas中我们最常用的两个数据结构，我们分别创建Series和DataFrame来看一下它们的基本结构。

我们首先创建一个一维ndarray，然后通过pandas的Series()函数，将这个一维ndarray传入，即可生成一个Series，基本用法如下。

import numpy as npimport pandas as pdarr = np.arange(10)print(arr)print("---------------")eries = pd.Series(arr)print(series)

运行结果如下所示，可以看到，相比于NumPy的一维ndarray，Series多了一个默认从0开始的索引。

基本Series

当然，Series的这个默认索引是可以修改的，我们只需要在使用Series()函数的时候多传入一个index列表参数即可。需要注意的是，index的长度必须要与Series的长度保持一致。

import numpy as npimport pandas as pdarr = np.arange(10)print(arr)print("---------------")series = pd.Series(arr, index=list('abcdefghij'))print(series)

我们传入一个‘abcdefghij’的列表序列作为index，再次运行， Series的索引就改变了。运行结果如下所示。

改变Series索引

接下来我们看一下DataFrame。与Series类似，由于DataFrame相当于NumPy中二维ndarray的表格型数据结构，我们可以通过NumPy的二维ndarray来创建DataFrame，基本用法如下。

import numpy as npimport pandas as pdarr = np.arange(12).reshape(3, 4)print(arr)print("---------------")data_frame = pd.DataFrame(arr)print(data_frame)

通过pandas的DataFrame()函数，传入二维ndarray。运行结果如下所示，可以看到，相比于NumPy的二维ndarray，DataFrame的排列格式更像是一个Excel表格，并且行列都具有默认从0开始的索引。

基本DataFrame

同样的，我们可以修改DataFrame的默认行列索引，在使用DataFrame()函数的时候传入index列表参数修改行索引，传入columns列表参数修改列索引。其中，index和columns的长度分别必须与DataFrame的行长度和列长度保持一致。

import numpy as npimport pandas as pdarr = np.arange(12).reshape(3, 4)print(arr)print("---------------")data_frame = pd.DataFrame(arr, index=list('abc'), columns=list('ABCD'))print(data_frame)

我们将index设置为‘abc’的列表序列，columns设置为‘ABCD’的列表序列，再次运行，默认的行列索引都成功改变了。

修改DataFrame的行列索引

Series和DataFrame相比于NumPy中的一维ndarray和二维ndarray，从结构上来看最大的区别就是多了索引。此外，可以看到，NumPy中的ndarray就像是矩阵，而pandas中的Series和DataFrame更像是表格，这样的形状区别也注定了二者的应用场景的不同，在后续的内容中，我们会渐渐体会到两者的区别。