网站访问速度跟服务器cpu和内存和带宽哪个重要/竞价点击软件工具

简介

在数据分析中，经常涉及numpy中的ndarray对象与pandas的Series和DataFrame对象之间的转换，让大家产生困惑。本文将简单介绍这三种数据类型，并以股票信息为例，给出相关对象之间转换的具体示例。

1. ndarray数组对象

NumPy中的ndarray是一个多维数组对象，该对象由两部分组成：

• 实际的数据；
• 描述这些数据的元数据。

大部分的数组操作仅仅修改元数据部分，而不改变底层的实际数据。NumPy数组一般是同质的（但有一种特殊的数组类型例外，它是异质的），即数组中的所有元素类型必须是一致的。这样有一个好处：如果我们知道数组中的元素均为同一类型，该数组所需的存储空间就很容易确定下来。
我们举一个简单的多维数组的例子。在这里，我们使用Numpy提供的arange函数来来方便的创建一维数组，其函数原型为arange([start,] stop[, step,], dtype=None)。可以指定起始值、结束值、步长及数据类型参数，这里步长参数为整数值。如果要使用非整数值的步长，可以考虑使用linespace函数。通过reshape()函数将一维数组转换为多维数组。

>>> import numpy as np
>>> a = np.arange(10).reshape(2,5)
>>> print(a)
[[0 1 2 3 4][5 6 7 8 9]]
>>> type(a)
<type 'numpy.ndarray'>
>>> a[0,1]
1
>>> a[0][1]
1
>>> a[:, ::2]
array([[0, 2, 4],[5, 7, 9]])
>>> a[0]
array([0, 1, 2, 3, 4])
>>> a.shape
(2L, 5L)
>>> a.dtype
dtype('int32')
>>> a.dtype.itemsize
4

多维数组的操作也非常简单，可以参考list类型对数组进行访问、切片操作。比较重要的是可以通过shape属性获取数组的维数。
我们也可以通过多维数组来标识异构的数据类型，以股票数据为例，通过dtype类来定义数据类型对象stock, 其包括日期、开盘价、收盘价、最高价、最低价、成交量及股票编码信息：

from numpy import *if __name__ == '__main__':stock = dtype([('date', str_, 10), ('open', float32), ('close', float32), ('high', float32), ('low', float32), ('volume', float32), ('code', float32)])data = array([("2017-10-18",  11.53,  11.69,  11.70,  11.51,   871365.0,  "000001"),("2017-10-19",  11.64,  11.63,  11.72,  11.57,   722764.0,  "000001"),("2017-10-20",  11.59,  11.48,  11.59,  11.41,   461808.0,  "000001"),("2017-10-23",  11.39,  11.19,  11.40,  11.15,  1074465.0,  "000001")], dtype=stock)print(type(data))print(data)

显示结果：

<type 'numpy.ndarray'>
[ ('2017-10-18',  11.52999973,  11.68999958,  11.69999981,  11.51000023,   871365.,  1.)('2017-10-19',  11.64000034,  11.63000011,  11.72000027,  11.56999969,   722764.,  1.)('2017-10-20',  11.59000015,  11.47999954,  11.59000015,  11.40999985,   461808.,  1.)('2017-10-23',  11.39000034,  11.18999958,  11.39999962,  11.14999962,  1074465.,  1.)]

在实际应用中，我们很少使用ndarray来定义异构的数据类型，而是使用pandas中的Series和DataFrame来操作。

2. Series对象

从一般意义上来讲，Series可以简单地被认为是一维的数组。Series 和一维数组最主要的区别在于Series类型具有索引（index ）。Series支持从列表和字典创建，这里仅举以列表创建的例子：

from pandas import Seriesif __name__ == '__main__':data = [["2017-10-18",  11.53,  11.69,  11.70,  11.51,   871365.0,  000001],["2017-10-19",  11.64,  11.63,  11.72,  11.57,   722764.0,  000001],["2017-10-20",  11.59,  11.48,  11.59,  11.41,   461808.0,  000001],["2017-10-23",  11.39,  11.19,  11.40,  11.15,  1074465.0,  000001]]series = Series(data, index=['a', 'b', 'c', 'd'])print(series)#将Series转换为ndarray类型arr = series.as_matrix()

可以调用as_matrix()将其转换为ndarray类型的对象。

3. DataFrame对象

DataFrame 是将数个Series 按列合并而成的二维数据结构，每一列单独取出来是一个Series ，这和SQL数据库中取出的数据是很类似的。所以，按列对一个DataFrame 进行处理更为方便，用户在编程时注意培养按列构建数据的思维。DataFrame 的优势在于可以方便地处理不同类型的列，因此，就不要考虑如何对一个全是浮点数的DataFrame求逆之类的问题了，处理这种问题还是把数据存成NumPy的 matrix类型比较便利一些。
我们仍平安银行的例子，创建DataFrame对象，这里把日期提取出来作为index，同时指定了列名。

from pandas import Series, DataFrame
from numpy import arrayif __name__ == '__main__':data = [[11.53,  11.69,  11.70,  11.51,   871365.0,  000001],[11.64,  11.63,  11.72,  11.57,   722764.0,  000001],[11.59,  11.48,  11.59,  11.41,   461808.0,  000001],[11.39,  11.19,  11.40,  11.15,  1074465.0,  000001]]df = DataFrame(data, index=["2017-10-18", "2017-10-19", "2017-10-20", "2017-10-23"], columns=["open", "close", "high", "low", "volume", "code"])print(df)print(df.as_matrix(['open', 'close']))print(df.values)print(array(df))

这里，我们展示了3种方法将DataFrame获取ndarray类型的方法。

as_matrix()方法可以指定获取的列；

values属性将使用所有的列转换为ndarray对象，等同与无参数的as_matrix()；

array()接受将DataFrame对象作为参数创建ndarray对象。