Python Pandas中数据帧和矩阵的区别？

在Python Pandas中，数据的处理可用DataFrame和Series进行操作。DataFrame是一种类似于Excel表的二维表结构，而Series是一种类似于对Excel表某一列的操作。Pandas中的数据帧DataFrame和矩阵numpy.ndarray之间的关系，就像Excel表和二维数组之间的关系一样。本文介绍了Python Pandas中数据帧和矩阵的区别。

什么是数据帧？

数据帧由行和列组成，类似于电子表格或SQL表。你可以将数据帧看作是实现运算和转换的主要数据结构。在pandas包中，数据帧DataFrame是最常用的数据结构。

数据帧的创建

首先，我们可以通过字典和列表创建数据帧。字典的键将变为列名，字典的值将成为列的值。列表将成为数据帧DataFrame的行。

import pandas as pd

data = {'age': [23, 42, 8, 30, 55], 'name': ['John', 'David', 'Lucy', 'Amy', 'Kate']}
df = pd.DataFrame(data)
print(df)

输出结果：

   age   name
0   23   John
1   42  David
2    8   Lucy
3   30    Amy
4   55   Kate

也可以通过读入数据文件的方式来创建数据帧：

df = pd.read_csv('data.csv')

数据帧的索引和选择

数据帧的行和列都可以按照标签或位置进行选择。这些标签可以是数字或字符串。在选择数据帧的一部分时，我们可以使用.loc或.iloc属性。loc是标签系列，而iloc是整数位置系列。

# 根据列名选择列
df['name'] 

# 根据标签选择行
df.loc[2] 

# 根据位置选择行
df.iloc[2]

什么是矩阵?

在NumPy中，ndarray是一个多维数组对象，它是每个元素都是相同类型的元素网格。ndarray对象是使用NumPy中的数组函数创建的。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

输出结果：

array([[1, 2, 3],
       [4, 5, 6]])

矩阵的大小可以通过arr.shape获取：

print(arr.shape)

输出结果：

(2, 3)

这个结果告诉我们arr是一个2维数组，其有2行和3列。

矩阵的选择和索引

与数据帧相似，矩阵也可以通过标签或索引来选择和访问元素。

# 获取第0行第0列的值
print(arr[0, 0]) 

# 获取第0行
print(arr[0]) 

# 获取第0列
print(arr[:,1]) 

# 获取所有列的和
print(np.sum(arr,axis=0)) 

# 获取所有行的平均数
print(np.mean(arr,axis=1))