在網(wǎng)絡(luò)上的Pandas教程中，很多都提到了如何使用Pandas將已有的數(shù)據(jù)（如csv，如hdfs等）直接加載成Pandas數(shù)據(jù)對(duì)象，然后在其基礎(chǔ)上進(jìn)行數(shù)據(jù)分析操作，但是，很多時(shí)候，我們需要自己創(chuàng)建Pandas數(shù)據(jù)對(duì)象，并填入一些數(shù)據(jù)，常見(jiàn)的應(yīng)用場(chǎng)景如：我們想要將現(xiàn)有的數(shù)據(jù)進(jìn)行處理，并生成一個(gè)新的Pandas數(shù)據(jù)對(duì)象，還有，我們想利用Pandas的數(shù)據(jù)保存功能（比如to_csv, to_json, to_hdf等等）把我們采集到的數(shù)據(jù)寫(xiě)入到IO里邊，因此掌握Pandas對(duì)象的特性，以及如何創(chuàng)建也是很重要的。

有些時(shí)候我們需要利用pandas數(shù)據(jù)結(jié)構(gòu)創(chuàng)建自己的對(duì)象，按自己的方式保存新數(shù)據(jù)，我們將在本文中介紹如何實(shí)現(xiàn)。

1. Pandas的兩種數(shù)據(jù)類型

Pandas支持兩種數(shù)據(jù)類型，分別為Series和DataFrame，其中：

Series - 是一個(gè)帶有標(biāo)簽的一維數(shù)組，支持多種不同的類型，但是針對(duì)同一個(gè)Series里邊存儲(chǔ)的數(shù)據(jù)類型必須是一致的
DataFrame - 是一個(gè)帶有標(biāo)簽的二維數(shù)組，是一個(gè)尺寸可以修改的表格，一個(gè)DataFrame由多個(gè)Series組成，每一列都是一個(gè)Series
一句話描述的話就是，Series是很多標(biāo)量數(shù)據(jù)（Scalar）的集合，而DataFrame是很多Series的集合。

我們來(lái)看下圖這個(gè)例子，在1D的Series中，下圖中有三個(gè)Series，分別保存了姓名(name)， 年齡(age)和得分(marks)，而他們的每一行都分別對(duì)應(yīng)一個(gè)不同的人的信息，在每一個(gè)Series中的每一個(gè)單元格中（比如name series的第1行，對(duì)應(yīng)的Prasadi）都是一個(gè)標(biāo)量（Scalar），而每一行前邊的0，1，2，3這些就是數(shù)據(jù)的索引（index），也可以叫做標(biāo)簽，所以說(shuō)，Series是帶有標(biāo)簽的一維數(shù)組。

可以看出，利用Series只能存儲(chǔ)一種類型的數(shù)據(jù)，比如說(shuō)name series存儲(chǔ)的數(shù)據(jù)是字符串類型，而age series存儲(chǔ)的數(shù)據(jù)是整數(shù)型。如果我們想把name，age，marks存儲(chǔ)在一個(gè)數(shù)據(jù)結(jié)構(gòu)里，我們就需要使用DataFrame，從圖中看出，DataFrame類似于一個(gè)表格數(shù)據(jù)，有行有列，行跟Series的行一致，是數(shù)據(jù)的標(biāo)簽，而每一列就是原來(lái)的每一個(gè)Series。

2. Series類型

如我們?cè)谇拔闹兴f(shuō)，Series結(jié)構(gòu)中可以存儲(chǔ)任何類型的數(shù)據(jù)，包括：整型，字符串類型，浮點(diǎn)型，甚至是Python對(duì)象等等，但是要求是，每一行的數(shù)據(jù)類型必須統(tǒng)一。那么如何創(chuàng)建一個(gè)Series對(duì)象呢，

通過(guò)numpy array

Pandas的一個(gè)主要用途是數(shù)據(jù)分析，而它也是基于Numpy實(shí)現(xiàn)的，因此，通過(guò)numpy array來(lái)創(chuàng)建Series是非常常見(jiàn)的。

np_array = np.random.randn(5)
pd.Series(np_array, index=['a', 'b', 'c', 'd', 'e'])

上邊這段代碼，利用np.random.randn隨機(jī)生成一個(gè)長(zhǎng)度為5的numpy array，然后pd.Series使用這個(gè)numpy array來(lái)創(chuàng)建一個(gè)Series，在創(chuàng)建的同時(shí)，指定了每一行的index（標(biāo)簽）分別是a，b，c，d，e，f，輸出結(jié)果為：

通過(guò)Python字典

通過(guò)上邊這個(gè)示例，大家有沒(méi)有發(fā)現(xiàn)Series跟Python內(nèi)置的dict類型是不是很類似，標(biāo)簽相當(dāng)于dict中的key，而數(shù)據(jù)內(nèi)容相當(dāng)于dict中的value，它們有一一對(duì)應(yīng)的關(guān)系，因此，可以想象，我們能夠直接通過(guò)Python的dict來(lái)創(chuàng)建一個(gè)Series。

d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)

上邊這段代碼，我們先創(chuàng)建了一個(gè)Python地點(diǎn)d，然后將這個(gè)字典傳遞給pd.Series來(lái)創(chuàng)建一個(gè)Pandas Series，運(yùn)行結(jié)果為：

通過(guò)標(biāo)量值（Scalar）

除了上邊這兩種方式，我們還可以通過(guò)一個(gè)簡(jiǎn)單的標(biāo)量值來(lái)創(chuàng)建Series，特別注意的是跟上邊兩種方式不同，在使用這種方式創(chuàng)建Series的時(shí)候，我們必須指定index

pd.Series(5, index=['a', 'b', 'c', 'd', 'e'])

如上邊代碼所示，我們使用一個(gè)常量5，然后指定index為a，b，c，d，e，同樣使用pd.Series可以創(chuàng)建一個(gè)Series對(duì)象，看到這里我們就能夠明白為什么必須指定Index了吧，那是因?yàn)镾eries對(duì)象是有長(zhǎng)度的，長(zhǎng)度是可以大于1的，而標(biāo)量的長(zhǎng)度固定為1，我們可以通過(guò)指定Index的方式來(lái)控制生成的Series的長(zhǎng)度，Series中的值則是重復(fù)使用這一個(gè)標(biāo)量常量5。其運(yùn)行結(jié)果為：

name屬性

當(dāng)我們創(chuàng)建一個(gè)Series的時(shí)候，我們可以指定一個(gè)名稱，這個(gè)名稱會(huì)被存儲(chǔ)到Series的name屬性中，后續(xù)我們還可以使用rename方法來(lái)修改這個(gè)屬性，例如下邊這樣的代碼：

s = pd.Series(np.random.randn(5), name='this_is_name')
s

創(chuàng)建了一個(gè)名稱為this_is_name的Series，然后我們使用rename方法來(lái)重命名這個(gè)Series為this_is_new_name：

s = s.rename('this_is_new_name')
s

上邊這兩部分代碼的輸入如下圖：

那么這個(gè)名稱有什么作用呢，這里預(yù)告一下，我們將在DataFrame中用到（別忘了DataFrame是多個(gè)Series的集合）

3. DataFrame類型

在第一節(jié)中我們介紹到，DataFrame是一個(gè)二維的表格數(shù)據(jù)結(jié)構(gòu)，它有行和列的概念，跟行標(biāo)簽相對(duì)應(yīng)的，為了能夠按列索引數(shù)據(jù)，每一列都可以有一個(gè)名稱，即列名，我們剛在Series章節(jié)中看到，Series可以表示一列數(shù)據(jù)，我們?cè)诒竟?jié)中介紹的DataFrame就是多個(gè)這樣的Series的組合，每一列就對(duì)應(yīng)一個(gè)Series，而每一行也對(duì)應(yīng)一個(gè)Series。讀到這里，你是不是能夠猜的出我們剛說(shuō)的Series的name屬性的用途了，對(duì)了，使用Series創(chuàng)建DataFrame的列的時(shí)候，Series的名稱就會(huì)成為列名，如果Series作為行，則Series的名稱會(huì)成為行名。

接下來(lái)我們來(lái)講解如何創(chuàng)建DataFrame

通過(guò)一維numpy array或者Python List 組成的字典
大家可以想想，如果一個(gè)字典的value是array或者list的時(shí)候，那么這個(gè)字典其實(shí)就是一種表格結(jié)構(gòu)，圖為DataFrame是一個(gè)表格結(jié)構(gòu)的數(shù)據(jù)類型，我們是可以通過(guò)這樣的字典來(lái)創(chuàng)建DataFrame，例如下邊這段代碼

d = {'one': [1., 2., 3., 4.],
     'two': [4., 3., 2., 1.]}
pd.DataFrame(d, index=['a', 'b', 'c', 'd'])

我們把d這個(gè)Python字典傳遞給pd.DataFrame來(lái)創(chuàng)建新的DataFrame，同時(shí)我們可以通過(guò)指定index來(lái)指定DataFrame的行名（標(biāo)簽），上邊代碼的輸出為

通過(guò)包含列表的Python List

我們?cè)賮?lái)想想一下，除了字典之外可以表示表格數(shù)據(jù)，還有沒(méi)有其他的方法，是的，還有Python List，例如下邊這段代碼

data = [(1, 2., 'Hello'), (2, 3., "World")]
pd.DataFrame(data)

我們可以用data這樣的Python List來(lái)表示表格數(shù)據(jù)，不同于前邊提到的字典（dict），用List表示的表格數(shù)據(jù)其實(shí)是沒(méi)有行名和列名的，因此Pandas默認(rèn)會(huì)自動(dòng)生成行名和列名，所以上邊的代碼輸出為：

當(dāng)然，自動(dòng)生成的行名列名沒(méi)有任何意義，為了更好的操作數(shù)據(jù)，我們還可以通過(guò)設(shè)置pd.DataFrame方法的index或者columns參數(shù)來(lái)指定自己的行名或者列名。

通過(guò)包含Python 字典的Python List

我們繼續(xù)想想，還有什么能夠表示表格數(shù)據(jù)？對(duì)了，包含Python字典的Python List也是可以表達(dá)表格數(shù)據(jù)的，例如下邊的代碼

data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
pd.DataFrame(data)

data是一個(gè)Python List，而列表中的每一個(gè)元素都是一個(gè)字典，運(yùn)行結(jié)果為：

類似的，我們也可以通過(guò)指定index或者columns參數(shù)來(lái)修改行名和列名

通過(guò)Series

我們一直在提DataFrame是很多Series的集合（注：Series在DataFrame中可以是一行，也可以是一列），因此，我們也可以通過(guò)Series來(lái)創(chuàng)建DataFrame，例如下邊這段代碼

s1 = pd.Series(np.random.randn(5), name='this_is_name')
df = pd.DataFrame(s1)
df

利用s1這個(gè)Series來(lái)創(chuàng)建只有一列的DataFrame，輸出結(jié)果為：

還記得不，我們前邊提到了Series的name屬性，在使用Series創(chuàng)建DataFrame的時(shí)候，這個(gè)屬性會(huì)用來(lái)作為列名（或者行名，我們?cè)谙逻叺牧凶涌梢钥吹贸觯?，例如下邊的這段代碼，如果有兩個(gè)Series，我們還可以用下邊這樣的方式創(chuàng)建DataFrame

s1 = pd.Series(np.random.randn(5), name='this_is_name')
s2 = s.rename('this_is_new_name')
df = pd.DataFrame([s1, s2])
df

這里我們使用了兩個(gè)名分別為this_is_name和this_is_new_name的Series來(lái)創(chuàng)建DataFrame，得到的結(jié)果為：

到這里，相信讀者已經(jīng)對(duì)Pandas提供的數(shù)據(jù)類型有了一個(gè)全面的認(rèn)識(shí)了，并且有能力自己創(chuàng)建Pandas數(shù)據(jù)結(jié)構(gòu)，并存儲(chǔ)自己的數(shù)據(jù)了，一個(gè)常見(jiàn)的應(yīng)用場(chǎng)景就是我們通過(guò)爬蟲(chóng)獲取到數(shù)據(jù)以后，可以將這些非結(jié)構(gòu)化的數(shù)據(jù)以Pandas的表格格式保存，值得注意的是數(shù)據(jù)存儲(chǔ)在Pandas數(shù)據(jù)結(jié)構(gòu)中的時(shí)候，數(shù)據(jù)其實(shí)是在內(nèi)存中的，當(dāng)程序被關(guān)閉以后，數(shù)據(jù)就丟失了，如果我們需要將數(shù)據(jù)持久化保存到硬盤(pán)或者數(shù)據(jù)庫(kù)中的話，則可以通過(guò)簡(jiǎn)單的調(diào)用Pandas提供的to_csv, to_json, to_hdf等等接口將數(shù)據(jù)永久保存下來(lái)。

更多Python Pandas庫(kù)的相關(guān)文章，請(qǐng)點(diǎn)擊下面的相關(guān)文章

最新評(píng)論