Python Pandas - 基本功能

Pandas - 基本功能

现在我们了解了如何创建 Pandas Series 和 DataFrame，接下来让我们探讨一些用于检查和理解这些数据结构的基本属性（attribute）和方法（method）。由于 DataFrame 在数据分析中更为普遍，我们将主要关注它。

Series 的基本属性和方法

以下是 Pandas Series 的一些重要属性和方法：

属性/方法	描述
.index / .axes	返回 Series 的索引 (轴标签)。.axes 返回一个包含索引的列表。
.dtype	返回 Series 中元素的 数据类型 (dtype)。
.empty	如果 Series 为空 (元素数量为零)，返回 True，否则返回 False。
.ndim	返回维度数量 (Series 始终为 1)。
.size	返回 Series 中元素的总数量。
.shape	返回表示维度的元组 (例如，长度为 n 的 Series 为 (n,))。
.values / .to_numpy()	将 Series 数据作为 NumPy 数组返回。.to_numpy() 是推荐的现代方法。
.head(n=5)	返回前 n 个元素 (默认为 5)。
.tail(n=5)	返回后 n 个元素 (默认为 5)。

我们来创建一个示例 Series 并演示这些属性和方法：

import pandas as pd
import numpy as np

# Create a sample Series
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'], name='SampleData')
print("Sample Series:")
print(s)

输出（值会变化）：

Sample Series:
a    0.967853
b   -0.148368
c   -1.395906
d   -1.758394
e    0.562421
Name: SampleData, dtype: float64

.index / .axes

print("\nIndex:", s.index)
print("Axes:", s.axes)

输出：

Index: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
Axes: [Index(['a', 'b', 'c', 'd', 'e'], dtype='object')]

.dtype

print("\nDtype:", s.dtype)

输出：

Dtype: float64

.empty

print("\nIs empty?", s.empty)
print("Is pd.Series(dtype='float64').empty empty?", pd.Series(dtype='float64').empty)

输出：

Is empty? False
Is pd.Series(dtype='float64').empty empty? True

.ndim

print("\nNumber of dimensions:", s.ndim)

输出：

Number of dimensions: 1

.size / .shape

print("\nSize (number of elements):", s.size)
print("Shape (dimensionality tuple):", s.shape)

输出：

Size (number of elements): 5
Shape (dimensionality tuple): (5,)

.values / .to_numpy()

print("\nValues (as NumPy array using .values):") # 值 (.values 返回的 NumPy 数组):
print(s.values)
print("\nValues (as NumPy array using .to_numpy()):") # 值 (.to_numpy() 返回的 NumPy 数组):
print(s.to_numpy())

输出（值将与 Series 匹配）：

Values (as NumPy array using .values):
[ 0.967853  -0.148368  -1.395906  -1.758394   0.562421 ]

Values (as NumPy array using .to_numpy()):
[ 0.967853  -0.148368  -1.395906  -1.758394   0.562421 ]

注意：在现代 Pandas 中，通常推荐使用 .to_numpy() 而非 .values，以获得更好的清晰度和一致性。

.head() & .tail()

print("\nFirst 2 elements (.head(2)):") # 前 2 个元素 (.head(2)):
print(s.head(2))
print("\nLast 2 elements (.tail(2)):") # 后 2 个元素 (.tail(2)):
print(s.tail(2))

输出：

First 2 elements (.head(2)):
a    0.967853
b   -0.148368
Name: SampleData, dtype: float64

Last 2 elements (.tail(2)):
d   -1.758394
e    0.562421
Name: SampleData, dtype: float64

DataFrame 的基本属性和方法

DataFrame 与 Series 共享许多属性，但也有与其二维特性相关的特定属性：

属性/方法	描述
.T	转置 DataFrame (交换行和列)。
.index	返回 DataFrame 的索引 (行标签)。
.columns	返回 DataFrame 的列标签。
.axes	返回一个包含索引 (轴 0) 和列 (轴 1) 的列表。
.dtypes	返回一个 Series，包含每列的数据类型。
.empty	如果 DataFrame 为空 (0 行或 0 列)，返回 True。
.ndim	返回维度数量 (DataFrame 始终为 2)。
.size	返回元素的总数量 (行 * 列)。
.shape	返回表示维度的元组 (行数, 列数)。
.values / .to_numpy()	将 DataFrame 数据作为 2D NumPy 数组返回。推荐使用 .to_numpy()。
.head(n=5)	返回前 n 行。
.tail(n=5)	返回后 n 行。
.info()	打印一个简洁的摘要，包括索引 dtype、列 dtypes、非空值数量和内存使用情况。

我们来创建一个示例 DataFrame：

import pandas as pd
import numpy as np

# Create a dictionary for the DataFrame
data = {
    'Name': pd.Series(['Tom', 'James', 'Ricky', 'Vin', 'Steve', 'Smith', 'Jack']),
    'Age': pd.Series([25, 26, 25, 23, 30, 29, 23]),
    'Rating': pd.Series([4.23, 3.24, 3.98, 2.56, 3.20, 4.6, 3.8])
}

# Create the DataFrame
df = pd.DataFrame(data)
print("Sample DataFrame:")
print(df)

输出：

Sample DataFrame:
    Name  Age  Rating
0    Tom   25    4.23
1  James   26    3.24
2  Ricky   25    3.98
3    Vin   23    2.56
4  Steve   30    3.20
5  Smith   29    4.60
6   Jack   23    3.80

.T (转置)

print("\nTransposed DataFrame (.T):") # 转置后的 DataFrame (.T):
print(df.T)

输出：

Transposed DataFrame (.T):
          0      1      2     3      4      5     6
Name     Tom  James  Ricky   Vin  Steve  Smith  Jack
Age       25     26     25    23     30     29    23
Rating  4.23   3.24   3.98  2.56    3.2    4.6   3.8

.index、.columns、.axes

print("\nIndex (Row Labels):", df.index) # 索引 (行标签):
print("Column Labels:", df.columns) # 列标签:
print("Axes (List of Index, Columns):", df.axes) # 轴 (索引和列的列表):

输出：

Index (Row Labels): RangeIndex(start=0, stop=7, step=1)
Column Labels: Index(['Name', 'Age', 'Rating'], dtype='object')
Axes (List of Index, Columns): [RangeIndex(start=0, stop=7, step=1), Index(['Name', 'Age', 'Rating'], dtype='object')]

.dtypes

返回一个 Series，显示每列的数据类型。

print("\nData types of each column (.dtypes):") # 每列的数据类型 (.dtypes):
print(df.dtypes)

输出：

Data types of each column (.dtypes):
Name       object
Age         int64
Rating    float64
dtype: object

.empty、.ndim、.size、.shape

print("\nIs empty?", df.empty) # 是否为空?:
print("Number of dimensions:", df.ndim) # 维度数量:
print("Size (total elements):", df.size) # 大小 (总元素数):
print("Shape (rows, columns):", df.shape) # 形状 (行数, 列数):

输出：

Is empty? False
Number of dimensions: 2
Size (total elements): 21
Shape (rows, columns): (7, 3)

.values / .to_numpy()

print("\nValues (as 2D NumPy array using .to_numpy()):") # 值 (使用 .to_numpy() 返回的二维 NumPy 数组):
print(df.to_numpy())

输出：

Values (as 2D NumPy array using .to_numpy()):
[['Tom' 25 4.23]
 ['James' 26 3.24]
 ['Ricky' 25 3.98]
 ['Vin' 23 2.56]
 ['Steve' 30 3.2]
 ['Smith' 29 4.6]
 ['Jack' 23 3.8]]

.head() & .tail()

print("\nFirst 2 rows (.head(2)):") # 前 2 行 (.head(2)):
print(df.head(2))
print("\nLast 2 rows (.tail(2)):") # 后 2 行 (.tail(2)):
print(df.tail(2))

输出：

First 2 rows (.head(2)):
    Name  Age  Rating
0    Tom   25    4.23
1  James   26    3.24

Last 2 rows (.tail(2)):
    Name  Age  Rating
5  Smith   29     4.6
6   Jack   23     3.8

.info()

提供 DataFrame 结构的快速概览。

print("\nDataFrame Info (.info()):") # DataFrame 信息 (.info()):
df.info()

输出：

DataFrame Info (.info()):
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   Name    7 non-null      object
 1   Age     7 non-null      int64
 2   Rating  7 non-null      float64
dtypes: float64(1), int64(1), object(1)
memory usage: 296.0+ bytes