如何高效地学习数据结构——Python篇

sunage001

　　原文链接：http://www.datastudy.cc/to/43
　　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。

　　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：

　　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]
　　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：
　　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、删除行
　　>>> 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，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
　　age2 name2
　　2 22 John
　　3 23 JIMI
　　#2.2、删除列
　　>>> 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。

447144819

谢谢分享哦，学习了