面板(Panel)是3D容器的数据。面板数据一词来源于计量经济学,部分源于名称:Pandas
- pan(el)-da(ta)-s
。
3
轴(axis
)这个名称旨在给出描述涉及面板数据的操作的一些语义。它们是 -
- items -
axis 0
,每个项目对应于内部包含的数据帧(DataFrame)。 - major_axis -
axis 1
,它是每个数据帧(DataFrame)的索引(行)。 - minor_axis -
axis 2
,它是每个数据帧(DataFrame)的列。
1. pandas.Panel()
可以使用以下构造函数创建面板 -
pandas.Panel(data, items, major_axis, minor_axis, dtype, copy)
参数 | 描述 |
---|---|
data |
数据采取各种形式,如:ndarray ,series ,map ,lists ,dict ,constant 和另一个数据帧(DataFrame ) |
items |
axis=0 |
major_axis |
axis=1 |
minor_axis |
axis=2 |
dtype |
每列的数据类型 |
copy |
复制数据,默认 - false |
2. 创建面板
可以使用多种方式创建面板 -
- 从ndarrays创建
- 从DataFrames的dict创建
2.1 从3D ndarray创建
# creating an empty panel import pandas as pd import numpy as np data = np.random.rand(2,4,5) p = pd.Panel(data) print p
输出结果:
<class ‘pandas.core.panel.Panel‘>
Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis)
Items axis: 0 to 1
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 4
注意 - 观察空面板和上面板的尺寸大小,所有对象都不同。
2.2 从DataFrame对象的dict创建面板
#creating an empty panel import pandas as pd import numpy as np data = {‘Item1‘ : pd.DataFrame(np.random.randn(4, 3)), ‘Item2‘ : pd.DataFrame(np.random.randn(4, 2))} p = pd.Panel(data) print p
输出结果:
<class ‘pandas.core.panel.Panel‘>
Dimensions: 2 (items) x 4 (major_axis) x 5 (minor_axis)
Items axis: 0 to 1
Major_axis axis: 0 to 3
Minor_axis axis: 0 to 4
2.3 创建一个空面板
可以使用Panel
的构造函数创建一个空面板,如下所示:
#creating an empty panel import pandas as pd p = pd.Panel() print p
输出结果:
<class ‘pandas.core.panel.Panel‘>
Dimensions: 0 (items) x 0 (major_axis) x 0 (minor_axis)
Items axis: None
Major_axis axis: None
Minor_axis axis: None
3. 从面板中选择数据
要从面板中选择数据,可以使用以下方式 -
- Items
- Major_axis
- Minor_axis
使用Items
# creating an empty panel import pandas as pd import numpy as np data = {‘Item1‘ : pd.DataFrame(np.random.randn(4, 3)), ‘Item2‘ : pd.DataFrame(np.random.randn(4, 2))} p = pd.Panel(data) print p[‘Item1‘]
输出结果 -
0 1 2
0 0.488224 -0.128637 0.930817
1 0.417497 0.896681 0.576657
2 -2.775266 0.571668 0.290082
3 -0.400538 -0.144234 1.110535
上面示例有两个数据项,这里只检索item1
。结果是具有4
行和3
列的数据帧(DataFrame
),它们是Major_axis
和Minor_axis
维。
使用major_axis
可以使用panel.major_axis(index)
方法访问数据。参考以下示例代码 -
# creating an empty panel import pandas as pd import numpy as np data = {‘Item1‘ : pd.DataFrame(np.random.randn(4, 3)), ‘Item2‘ : pd.DataFrame(np.random.randn(4, 2))} p = pd.Panel(data) print p.major_xs(1)
输出结果:
Item1 Item2
0 0.417497 0.748412
1 0.896681 -0.557322
2 0.576657 NaN
使用minor_axis
可以使用panel.minor_axis(index)
方法访问数据。参考以下示例代码 -
# creating an empty panel import pandas as pd import numpy as np data = {‘Item1‘ : pd.DataFrame(np.random.randn(4, 3)), ‘Item2‘ : pd.DataFrame(np.random.randn(4, 2))} p = pd.Panel(data) print p.minor_xs(1)
输出结果:
Item1 Item2
0 -0.128637 -1.047032
1 0.896681 -0.557322
2 0.571668 0.431953
3 -0.144234 1.302466
注意 - 观察尺寸大不的变化。
原文地址:https://www.cnblogs.com/Summer-skr--blog/p/11703975.html
时间: 2024-10-24 09:24:35