從 Numpy 到 Pandas 的過程

NumPy 的數據結構為數據分析不可少的功能，雖然 ndarray 的功能已經很強大，但是當我們需要更多的靈活性的時候，它的缺陷就體現了出來（例如，為數據提供標籤，處理缺失的數據等）。而且如果當需要對數據進行超過廣播能處理範疇的操作時（例如分組，數據透視等）NumPy 就無能為力了。處理真實生活中產生的不乾淨數據來說這會是非常重要的步驟。 Pandas 它的Series和DataFrame對象，讓數據科學家能在 NumPy 的基礎上提供更多操作。我們在本章中會聚焦於了解Series、DataFrame和相關結構的機制上，這是Pandas 的兩種特有的資料結構DataFrame與Series。

• 2021 - juck30808 - Python - 數位行銷分析與 Youtube API 教學
• Ɖ26-布朗尼/ Numpy 常見四大類型介紹

利用 Series 或是 Dataframe 來操作 NumPy 數組

我們看到的 Series 和 NumPy 數組是可以互換的概念，兩者最基本的區別方式是索引序號的存在，從下方可以看出利用 Numpy 的數組是利用陣列方式直接提供數值，而 Series 則是有根據索引分類[0,1,2,3]：

• NumPy 數組的整數索引隱式提供的，
• Pandas 的Series的索引是顯式定義的。

Numpy 數組

import numpy as np
np.array([0.25, 0.5, 0.75, 1.0])

Pandas 的 Series 方法

import pandas as pd
pd.Series([0.25, 0.5, 0.75, 1.0]) 
pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd']) #更改索引標籤

Pandas 的 dataframe 方法

import pandas as pd
area_dict = {'a': 0.25, 'b': 0.5, 'c': 0.75,'d': 1.0}
states = pd.DataFrame({'area': pd.Series(area_dict)})
states

謝謝大家的觀看，但歷史的痕跡會持續下去

今年沒組團，每一筆一字矢志不渝的獻身精神都是為歷史書寫下新頁，有空的話可以走走逛逛我們去年寫的文章。

• lu23770127 - SASS 基礎初學三十天
• 10u1 - 糟了！是世界奇觀！
• juck30808 - Python - 數位行銷分析與 Youtube API 教學
• HDL - 淺談物件導向與Design Pattern介紹
• SiQing47 - 前端？後端？你早晚都要全端的，何不從現在開始？

Hi'Jerry均

Jerry 據說是個僅佔人口的 4% 人口的 INFP 理想主義者，總是從最壞的生活中尋找最好的一面，想方設法讓世界更好，內心的火焰和熱情可以光芒四射，畢業後把人生暫停了半年，緩下腳步的同時找了份跨領域工作。偶而散步、愛跟小動物玩耍。曾立過很多志，最近是希望當一個有夢想的人。

• Follow Github
• Connect Linkedin
• 2021 - Python - 數位行銷分析與 Youtube API 教學
• 下一篇文章：Ɖ28-布朗尼/ Pandas 的索引探討與應用

謝謝你的時間「訂閱,追蹤和留言」都是陪伴我走過 30 天鐵人賽的精神糧食。