Учебники

Python — Операции с данными

Май 16, 2019

Python обрабатывает данные различных форматов в основном через две библиотеки, Pandas и Numpy. Мы уже видели важные особенности этих двух библиотек в предыдущих главах. В этой главе мы увидим некоторые базовые примеры из каждой библиотеки о том, как работать с данными.

Операции с данными в Numpy

Самый важный объект, определенный в NumPy, — это N-мерный тип массива, называемый ndarray. Описывает коллекцию предметов одного типа. К элементам в коллекции можно получить доступ, используя нулевой индекс. Экземпляр класса ndarray может быть создан с помощью различных процедур создания массива, описанных далее в руководстве. Основной ndarray создается с использованием функции массива в NumPy следующим образом: 

numpy.array

Ниже приведены некоторые примеры обработки данных Numpy.

Пример 1 

# more than one dimensions 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print a

Выход выглядит следующим образом — 

[[1, 2] 
 [3, 4]]

Пример 2 

# minimum dimensions 
import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print a

Выход выглядит следующим образом — 

[[1, 2, 3, 4, 5]]

Пример 3 

# dtype parameter 
import numpy as np 
a = np.array([1, 2, 3], dtype = complex) 
print a

Выход выглядит следующим образом — 

[ 1.+0.j,  2.+0.j,  3.+0.j]

Операции с данными в Pandas

Pandas обрабатывает данные через Series , Data Frame и Panel . Мы увидим несколько примеров из каждого из них.

Панды серии

Ряды — это одномерный помеченный массив, способный содержать данные любого типа (целочисленные, строковые, с плавающей точкой, объекты Python и т. Д.). Метки осей в совокупности называются индексами. Серия панд может быть создана с помощью следующего конструктора — 

pandas.Series( data, index, dtype, copy)

пример

Здесь мы создаем серию из Numpy Array. 

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print s

Его вывод выглядит следующим образом — 

0   a
1   b
2   c
3   d
dtype: object

Панды DataFrame

Фрейм данных — это двумерная структура данных, т. Е. Данные выстраиваются в виде таблиц по строкам и столбцам. DataFrame pandas может быть создан с помощью следующего конструктора — 

pandas.DataFrame( data, index, columns, dtype, copy)

Теперь давайте создадим индексированный DataFrame с использованием массивов. 

import pandas as pd
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])
print df

Его вывод выглядит следующим образом — 

         Age    Name
rank1    28      Tom
rank2    34     Jack
rank3    29    Steve
rank4    42    Ricky

Панель Панд

Панель — это трехмерный контейнер данных. Термин « данные панели» является производным от эконометрики и частично отвечает за название панды — пан (эл) -да (та) -с.

Панель может быть создана с помощью следующего конструктора — 

pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)

В приведенном ниже примере мы создаем панель из dict объектов DataFrame 

#creating an empty panel
import pandas as pd
import numpy as np

data = {'Item1' : pd.DataFrame(np.random.randn(4, 3)), 
        'Item2' : pd.DataFrame(np.random.randn(4, 2))}
p = pd.Panel(data)
print p

Его вывод выглядит следующим образом —

47
Share: