.python科学计算与数据处理.ppt

pandas—、、。它是基于NumPy构建的,让以NumPy为中心的应用变得更加简单。因为Series和DataFrame用的次数非常多,所以将其引入本地命名空间中会更方便。>>>frompandasimportSeries,DataFrame>>>,它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据即可产生最简单的Series:>>>obj=Series([4,7,-5,3])>>>obj04172-533dtype::索引在左边,值在右边。由于没有为数据指定索引,于是会自动创建一个0到N-1(N为数据的长度)的整数型索引。可以通过Series的values和index属性获取其数组表示形式和索引对象:>>>([4,7,-5,3],dtype=int64)>>>([0,1,2,3],dtype='int64').6pandas的数据结构介绍通常希望所创建的Series带有一个可以对各个数据点进行标记的索引:>>>obj2=Series([4,7,-5,3],index=['d','b','a','c'])>>>obj2d4b7a-5c3dtype:int64>>>([u'd',u'b',u'a',u'c'],dtype='object').7pandas的数据结构介绍与普通NumPy数组相比,可以通过索引的方式选取Series中的单个或一组值:>>>obj2['a']-5>>>obj2['d']=6>>>obj2[['c','a','d']]c3a-5d6dtype:(如根据布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引和值之间的链接:>>>obj2>>>obj2[obj2>0]>>>obj2*2>>>(obj2):,因为它是索引值到数据值的一个映射。它可以用在许多原本需要字典参数的函数中:>>>'b'inobj2True>>>'e'