Введение в структуры данных

Мы начнем с краткого, неполного обзора основных структур данных в pandas, чтобы начать работу. Основное поведение относительно типов данных, индексации и маркировки/выравнивания осей применимо ко всем объектам. Для начала импортируйте NumPy и загрузите pandas в ваше пространство имен:

In [1]: import numpy as np

In [2]: import pandas as pd

Вот основное правило, которое следует иметь в виду: выравнивание данных встроенно. Связь между метками и данными не будет нарушена, если вы этого явно не сделаете.

Мы дадим краткое введение в структуры данных, а затем рассмотрим все основные категории функциональности и методы в отдельных разделах.

Ряд

Series — это одномерный маркированный массив, способный хранить любые типы данных (целые числа, строки, числа с плавающей запятой, объекты Python и т. д.). Метки осей вместе называются индексом. Основной метод создания ряда — вызов:

>>> s = pd.Series(data, index=index)

Здесь data может быть разными вещами:

• словарь Python
• массив ndarray
• скалярное значение (например, 5)

Переданный индекс — это список меток осей. Таким образом, это разделяется на несколько случаев в зависимости от того, что представляют собой данные:

Из ndarray

Если data является массивом ndarray, индекс должен иметь такую же длину, как данные. Если индекс не указан, он будет создан со значениями [0, ..., len(data) - 1].

In [3]: s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

In [4]: s
Out[4]: 
a    0.469112
b   -0.282863
c   -1.509059
d   -1.135632
e    1.212112
dtype: float64

In [5]: s.index