python设置表格类型

原创

mob649e81624618 2023-07-23 09:25:34 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e81624618的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python设置表格类型

在Python中，我们经常会遇到需要处理表格数据的情况，例如CSV文件、Excel文件或数据库中的表格。为了有效地处理这些数据，我们需要将其加载到适当的表格类型中进行操作。本文将介绍Python中常用的三种表格类型：列表、NumPy数组和Pandas数据帧，并提供相应的代码示例。

列表

列表是Python中最基本的数据结构之一，可以容纳不同类型的数据。对于小型表格或简单的数据处理任务，列表是一种方便的选择。

data = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# 访问表格元素
print(data[0][1])  # 输出 2

# 遍历表格
for row in data:
    for item in row:
        print(item, end=" ")
    print()

列表使用嵌套列表的方式表示表格，通过索引访问表格元素。上述代码中的data[0][1]表示访问第一行、第二列的元素，即输出2。另外，我们可以使用嵌套循环遍历整个表格。

然而，使用列表处理大型表格会导致性能下降，因为列表没有内建的矢量化操作。

NumPy数组

NumPy是Python中一种强大的科学计算库，提供了高性能的多维数组对象。NumPy数组对于处理大型表格和执行数值计算非常有效。

首先，我们需要安装NumPy库：pip install numpy。

import numpy as np

data = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])

# 访问表格元素
print(data[0, 1])  # 输出 2

# 遍历表格
for row in data:
    for item in row:
        print(item, end=" ")
    print()

NumPy数组的创建需要使用np.array()函数，并传入一个嵌套列表。访问表格元素时，可以使用逗号分隔的索引表示行和列。上述代码中的data[0, 1]表示访问第一行、第二列的元素，即输出2。同样，我们可以使用嵌套循环遍历整个表格。

NumPy数组内建了许多高效的数值计算函数，例如求和、平均值、标准差等。此外，它还支持矢量化操作，可以对整个数组执行相同的运算，提高了处理大型表格的效率。

Pandas数据帧

Pandas是一个用于数据分析和处理的强大库，提供了高级的数据结构和数据操作功能。其中最常用的数据结构是数据帧（DataFrame），它是一个类似于表格的二维数据结构。

首先，我们需要安装Pandas库：pip install pandas。

import pandas as pd

data = {
    'A': [1, 4, 7],
    'B': [2, 5, 8],
    'C': [3, 6, 9]
}

df = pd.DataFrame(data)

# 访问表格元素
print(df.loc[0, 'B'])  # 输出 2

# 遍历表格
for index, row in df.iterrows():
    for column in df.columns:
        print(row[column], end=" ")
    print()

通过字典创建Pandas数据帧，字典的键表示列名，值表示列的数据。访问表格元素时，使用df.loc[row, column]的方式表示，其中row和column分别表示行索引和列名。上述代码中的df.loc[0, 'B']表示访问第一行、'B'列的元素，即输出2。同样，我们可以使用迭代器遍历整个表格。

Pandas数据帧提供了丰富的数据操作功能，例如数据筛选、排序、合并等。它还支持从各种数据源加载数据，包括CSV文件、Excel文件、数据库等。