- 机器学习：Python实践
- 魏贞原
- 562字
- 2020-12-22 16:30:43
4.4 Pandas速成
Pandas提供了用于机器学习的复杂数据类型：矢量运算方法和数据分析方法。Pandas也提供了多种数据结构。
Series：一维数组，与NumPy中的一维Array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效地使用内存，提高运算效率。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R语言中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel：三维数组，可以理解为DataFrame的容器。
在这里我们需要深入理解Series和DataFrame这两种数据类型，来帮助我们实践机器学习。
4.4.1 Series
Series虽然与NumPy的一维数组类似，但是在建立Series时可以设定index，也可以像访问NumPy数组或字典一样来访问Series元素。代码如下：
import numpy as np
import pandas as pd
myarray=np.array（[1, 2, 3]）
index=['a', 'b', 'c']
myseries=pd.Series（myarray, index=index）
print（myseries）
print（'Series中的第一个元素：'）
print（myseries[0]）
print（'Series中的c index元素：'）
print（myseries['c']）
执行结果如下：
a 1
b 2
c 3
dtype: int64
Series中的第一个元素：
1
Series中的c index元素：
3
4.4.2 DataFrame
DataFrame是一个可以指定行和列标签的二维数组。数据可以通过指定列名来访问特定列的数据。代码如下：
import numpy as np
import pandas as pd
myarray=np.array（[[1, 2, 3], [2, 3, 4], [3, 4, 5]]）
rowindex=['row1', 'row2', 'row3']
colname=['col1', 'col2', 'col3']
mydataframe=pd.DataFrame（data=myarray, index=rowindex, columns=colname）
print（mydataframe）
print（'访问col3的数据：'）
print（mydataframe['col3']）
执行结果如下：
col1 col2 col3
row1 1 2 3
row2 2 3 4
row3 3 4 5
访问col3的数据：
row1 3
row2 4
row3 5
Name: col3, dtype: int64
Pandas是一个功能强大的对数据进行切片的工具，更多的内容请查阅Pandas API（http://pandas.pydata.org/pandas-docs/stable/）。