import pandas as pd5 Python中的数据结构
5.1 介绍
到目前为止,在我们的Python探索中,我们一直在处理简单的、单一的值,如数字和字符串。但是,正如你所知,数据通常以更大的结构形式出现。我们最熟悉的结构是带有行和列的表格。
在本课程中,我们将探索在Python中组织数据的构建块,从列表、字典、Series,最后到表格,或者更正式地说,是数据框(DataFrames)。
让我们开始吧!
5.2 学习目标
- 创建和使用Python列表和字典
- 理解和使用Pandas Series
- 探索Pandas DataFrame用于组织结构化数据
5.3 导入
我们需要在本课程中使用pandas。你可以这样导入它:
如果你收到错误,可能需要安装它。你可以在单元格中运行 !pip install pandas 来安装。
5.4 Python 列表
列表就像有序的容器,可以存放不同类型的信息。例如,你可能有一个购物清单:
shopping = ["apples", "bananas", "milk", "bread"]
shopping['apples', 'bananas', 'milk', 'bread']在Python中,我们使用所谓的“零基索引”来访问列表中的项。这意味着我们从0而不是1开始计数位置。
让我们看一些例子:
print(shopping[0]) # 第一个项目(记住,我们从0开始!)
print(shopping[1]) # 第二个项目
print(shopping[2]) # 第三个项目apples
bananas
milk乍一看可能觉得奇怪,但这是许多编程语言中的常见做法。这与计算机如何存储信息以及编写算法的便利性有关。
我们可以在创建列表后更改其内容,使用相同的索引系统。
shopping[1] = "oranges" # 替换第二个项目(索引为1)
shopping['apples', 'oranges', 'milk', 'bread']列表有许多可用的方法。例如,我们可以使用 append() 方法向列表添加元素。
shopping.append("eggs")
shopping['apples', 'oranges', 'milk', 'bread', 'eggs']在你Python数据之旅的初期阶段,你可能不会经常使用列表,所以我们将简要介绍。
练习
5.4.1 练习:使用列表
- 创建一个名为
temps的列表,包含这些值:1,2,3,4 - 打印列表的第一个元素
- 将最后一个元素改为6
# 在此编写你的代码5.5 Python 字典
字典就像带标签的存储箱,用于存放你的数据。每个数据(值)都有一个唯一的标签(键)。下面,我们有一个一些学生的成绩字典。
grades = {"Alice": 90, "Bob": 85, "Charlie": 92}
grades{'Alice': 90, 'Bob': 85, 'Charlie': 92}如你所见,字典使用大括号 {} 定义,键和值之间用冒号 : 分隔,键值对之间用逗号分隔。
我们使用键来获取关联的值。
grades["Bob"]855.5.1 添加/修改条目
我们可以轻松地在字典中添加新信息或更改现有数据。
grades["David"] = 88 # 添加一个新学生
grades{'Alice': 90, 'Bob': 85, 'Charlie': 92, 'David': 88}grades["Alice"] = 95 # 更新Alice的成绩
grades{'Alice': 95, 'Bob': 85, 'Charlie': 92, 'David': 88}
练习
5.5.2 练习:使用字典
- 创建一个名为
prices的字典,包含以下键值对:“apple”: 0.50, “banana”: 0.25, “orange”: 0.75 - 使用键打印橙子的价格
- 添加一个新水果 “grape”,价格为1.5
- 将 “banana” 的价格改为0.30
# 在此编写你的代码5.6 Pandas Series
Pandas 提供了一种名为 Series 的数据结构,类似于列表,但具有一些特别适用于数据分析的附加功能。
让我们创建一个简单的Series:
temps = pd.Series([1, 2, 3, 4, 5])
temps0 1
1 2
2 3
3 4
4 5
dtype: int64我们可以使用内置的Series方法来计算摘要统计。
temps.mean()
temps.median()
temps.std()np.float64(1.5811388300841898)Series 的一个重要特性是它们可以有自定义索引,以便直观访问。
temps_labeled = pd.Series([1, 2, 3, 4], index=['Mon', 'Tue', 'Wed', 'Thu'])
temps_labeled
temps_labeled['Wed']np.int64(3)这使它们类似于字典。
练习
5.6.1 练习:使用 Series
- 创建一个名为
rain的Series,包含这些值:5, 4, 3, 2 - 获取平均降雨量和中位数降雨量
# 在此编写你的代码5.7 Pandas DataFrame
接下来,让我们考虑Pandas DataFrame,它们类似于Series,但有两维——想象一下电子表格或数据库表。
这是数据分析中最重要的数据结构。
DataFrame像是Python中的电子表格。它有行和列,非常适合组织结构化数据。
大多数时候,你将导入外部数据框,但你也应该知道如何在Python中从头创建数据框。
首先让我们创建三个列表:
# 创建三个列表
names = ["Alice", "Bob", "Charlie"]
ages = [25, 30, 28]
cities = ["Lagos", "London", "Lima"]然后我们将它们组合成一个字典,最后转换为一个数据框。
data = {'name': names,
'age': ages,
'city': cities}
people_df = pd.DataFrame(data)
people_df| name | age | city | |
|---|---|---|---|
| 0 | Alice | 25 | Lagos |
| 1 | Bob | 30 | London |
| 2 | Charlie | 28 | Lima |
注意,我们本可以在没有中间Series的情况下创建数据框:
people_df = pd.DataFrame(
{
"name": ["Alice", "Bob", "Charlie"],
"age": [25, 30, 28],
"city": ["Lagos", "London", "Lima"],
}
)
people_df| name | age | city | |
|---|---|---|---|
| 0 | Alice | 25 | Lagos |
| 1 | Bob | 30 | London |
| 2 | Charlie | 28 | Lima |
我们可以从DataFrame中选择特定的列或行。
people_df["city"] # 选择一列。注意这会返回一个Series。
people_df.loc[0] # 按标签选择一行。这也会返回一个Series。name Alice
age 25
city Lagos
Name: 0, dtype: object我们可以对数据框调用方法。
people_df.describe() # 这是数值列的摘要
people_df.info() # 这是数据类型的摘要<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 3 non-null object
1 age 3 non-null int64
2 city 3 non-null object
dtypes: int64(1), object(2)
memory usage: 204.0+ bytes我们还可以对从选择列结果的Series对象调用方法。
例如,我们可以获取“city”列的摘要统计。
people_df["city"].describe() # 这是“city”列的摘要
people_df["age"].mean() # 这是“age”列的平均值np.float64(27.666666666666668)在未来的一系列课程中,我们将深入探讨切片和操作DataFrame。本课程的目标只是让你熟悉基本语法和概念。
练习
5.7.1 练习:使用 DataFrame
- 创建一个名为
students的DataFrame,包含以下信息:- 列:“Name”, “Age”, “Grade”
- Alice的成绩是90,Bob的成绩是85,Charlie的成绩是70。你自行选择年龄。
- 仅显示“Grade”列
- 计算并显示学生的平均年龄
- 显示Bob的那一行。
# 在此编写你的代码5.8 总结
我们已经探索了Python数据分析的主要数据结构。从基本的列表和字典到Pandas Series和DataFrame,这些工具对于组织和分析数据至关重要。它们将是未来课程中更高级数据工作的基础。