如何高效地學習數據結構——Python篇

原文鏈接：http://www.datastudy.cc/to/45

我們來看看如何高效地學習一門語言的數據結構，今天我們先看Python篇。

所謂數據結構，是指相互之間存在一種或多種特定關係的數據類型的集合。

Python在數據分析領域中，最常用的數據結構，莫過於DataFrame了，今天我們就介紹如何高效地學習DataFrame這種數據結構。

要學習好一種東西，最好給自己找一個目標，達到了這個目標，我們就是學好了。一般，我在學習一門新的語言的數據結構的時候，一般要求自己達到以下五個要求：

第一個問題：概念，這種數據結構的概念是什麼呢？

第二個問題：定義，如何定義這種數據結構呢？

第三個問題：限制，使用這種數據結構，有什麼限制呢？

第四個問題：訪問，訪問這種數據結構內的數據的方式是什麼呢？

第五個問題：修改，如何對這種數據結構進行增加元素、刪除元素以及修改元素呢？

好，今天我們就來回答一下以上五個問題。

第一個問題：概念，這種數據結構的概念是什麼呢？

數據框是用於存儲多行和多列的數據集合，下面我們使用一張圖片，形象地講解它的內部結構：

OK，這個就是數據框的概念了。

第二個問題：定義，如何定義這種數據結構呢？

DataFrame函數語法

DataFrame(columnsMap)

代碼舉例 ：

>>> 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，這個就是定義數據框DataFrame的方法了。

第三個問題：限制，使用這種數據結構，有什麼限制呢？

一般而言，限制是對於這種數據結構是否只能存儲某種數據類型，在Python的數據框中，允許存放多種數據類型，基本上對於默認的數據類型，沒有任何限制。

第四個問題：訪問，訪問這種數據結構內的數據的方式是什麼呢？

訪問位置方法備註訪問列變數名[列名]訪問對應列訪問行變數名[n:m]訪問n行到m-1行的數據訪問行和列變數名.iloc[n1:n2, m1:m2]訪問n1到n2-1列，m1到m2-1行的數據訪問位置變數名.at[n, 列名]訪問n行，列位置

代碼舉例

>>> 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]

age name

0 21 KEN

>>> df.at[0, name]

KEN

>>> df[[age, name]]

age name

0 21 KEN

1 22 John

2 23 JIMI

>>>

第五個問題：修改，如何對這種數據結構進行增加元素、刪除元素以及修改元素呢？

這個問題，我並沒有在課程中跟大家討論過，主要是為了避免大家覺得學習起來很難。

也因此，這篇博文到了這裡才是真正的乾貨，之前的那些都是課程中出現過的內容了，哈哈，

修改包括：

1、修改列名，行索引

2、增加/刪除/修改 行

3、增加/刪除/修改 列

好，下面我們上代碼：

from pandas import Series;

from pandas import DataFrame;

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

age2 name2

0 21 KEN

1 22 John

2 23 JIMI

#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、刪除行

>>> df.drop(1)

age2 name2

2 22 John

3 23 JIMI

>>> df

age2 name2

1 21 KEN

2 22 John

3 23 JIMI

#注意，刪除後的DataFrame需要一個變數來接收，並不會直接修改原來的DataFrame.

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

>>> newdf

age2 name2

2 22 John

3 23 JIMI

#2.2、刪除列

>>> del newdf[age2]

>>> newdf

name2

2 John

3 JIMI

#3.1、增加行

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

>>> df

age2 name2

1 21 KEN

2 22 John

3 23 JIMI

4 24 KENKEN

#3.2、增加列

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

>>> df

age2 name2 newColumn

1 21 KEN 2

2 22 John 4

3 23 JIMI 6

4 24 KENKEN 8

以上就是全部五個問題的答案了，通過自問自答這五個問題，我們就可以高效地學習某種數據結構了。
推薦閱讀：