如何用Python高效地学习数据结构?

  • A+
所属分类:Python 数据分析

今天的每日一答,我们来看看如何高效地学习一门语言的数据结构,今天我们先看Python篇。

所谓数据结构,是指相互之间存在一种或多种特定关系的数据类型的集合。

如何用Python高效地学习数据结构?

Python在数据分析领域中,最常用的数据结构,莫过于DataFrame了,今天我们就介绍如何高效地学习DataFrame这种数据结构。

要学习好一种东西,最好给自己找一个目标,达到了这个目标,我们就是学好了。一般,我在学习一门新的语言的数据结构的时候,一般要求自己达到以下五个要求:

第一个问题:概念,这种数据结构的概念是什么呢?

第二个问题:定义,如何定义这种数据结构呢?

第三个问题:限制,使用这种数据结构,有什么限制呢?

第四个问题:访问,访问这种数据结构内的数据的方式是什么呢?

第五个问题:修改,如何对这种数据结构进行增加元素、删除元素以及修改元素呢?

好,今天我们就来回答一下以上五个问题。

第一个问题:概念,这种数据结构的概念是什么呢?

数据框是用于存储多行和多列的数据集合,下面我们使用一张图片,形象地讲解它的内部结构:

如何用Python高效地学习数据结构?

OK,这个就是数据框的概念了。

第二个问题:定义,如何定义这种数据结构呢?

DataFrame函数语法

DataFrame(columnsMap)

代码举例:

>>>df=DataFrame({

'age':Series([21,22,23]),

'name':Series(['KEN','John','JIMI'])

});

>>>df

age name

0 21 KEN

1 22 John

2 23 JIMI

OK,这个就是定义数据框DataFrame的方法了。

第三个问题:限制,使用这种数据结构,有什么限制呢?

一般而言,限制是对于这种数据结构是否只能存储某种数据类型,在Python的数据框中,允许存放多种数据类型,基本上对于默认的数据类型,没有任何限制。

第四个问题:访问,访问这种数据结构内的数据的方式是什么呢?

访问位置 方法 备注
访问列 变量名[列名] 访问对应列
访问行 变量名[n:m] 访问n行到m-1行的数据
访问行和列 变量名.iloc[n1:n2,m1:m2] 访问n1到n2-1列,m1到m2-1行的数据
访问位置 变量名.at[n, 列名] 访问n行,列位置

代码举例

>>>df['age']

0  21

1  22

2  23

Name:age,dtype:int64

>>>df[1:2]

age name

1 22 John

>>>df.iloc[0:1,0:2]

agename

0 21 KEN

>>>df.at[0,'name']

'KEN'

>>>df[['age','name']]

agename

021KEN

122John

223JIMI

>>>

第五个问题:修改,如何对这种数据结构进行增加元素、删除元素以及修改元素呢?

这个问题,我并没有在课程中跟大家讨论过,主要是为了避免大家觉得学习起来很难。

也因此,这篇博文到了这里才是真正的干货,之前的那些都是课程中出现过的内容了,哈哈,

修改包括:

1、修改列名,行索引

2、增加/删除/修改行

3、增加/删除/修改列

好,下面我们上代码:

frompandasimportSeries;

frompandasimportDataFrame;

df=DataFrame({

'age':Series([21,22,23]),

'name':Series(['KEN','John','JIMI'])

});

#1.1、修改列名

>>>df.columns

Index(['age','name'],dtype='object')

>>>df.columns=['age2','name2']

>>>df

age2name2

021KEN

122John

223JIMI

#1.2、修改行名

>>>df.index

Int64Index([0,1,2],dtype='int64')

>>>df.index=range(1,4)

>>>df.index

Int64Index([1,2,3],dtype='int64')

#2.1、删除行

>>>df.drop(1)

age2name2

222John

323JIMI

>>>df

age2name2

121KEN

222John

323JIMI

#注意,删除后的DataFrame需要一个变量来接收,并不会直接修改原来的DataFrame.

>>>newdf=df.drop(1);

>>>newdf

age2name2

222John

323JIMI

#2.2、删除列

>>>delnewdf['age2']

>>>newdf

name2

2John

3JIMI

#3.1、增加行

>>>df.loc[len(df)+1]=[24,"KENKEN"];

>>>df

age2name2

121KEN

222John

323JIMI

424KENKEN

#3.2、增加列

>>>df['newColumn']=[2,4,6,8];

>>>df

age2name2newColumn

121KEN2

222John4

323JIMI6

424KENKEN8

以上就是全部五个问题的答案了,通过自问自答这五个问题,我们就可以高效地学习某种数据结构了。

作者:KEN

原文:http://www.tbk.ren/article/29.html

Excel数据可视化分析方法大全
MySQL必知必会
2016年度中国软件开发者白皮书下载(PDF)
深入浅出数据分析(中文版)

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: