Pandas 데이터 구조

Pandas에는 일반적으로 사용되는 세 가지 데이터 구조가 있습니다.

Series DataFrame Panel

이러한 데이터 구조는 Numpy 배열 위에 구축되어 있으며, 이는 모두 빠른 실행 속도를 의미합니다.

Python, Numpy, Pandas 비교

list: Python 기본 데이터 타입, 주로 일차원 사용, 기능이 간단하고 효율성이 낮습니다. Dict: Python 기본 데이터 타입, 다차원 키-밸류对人体, 효율성이 낮습니다.

ndarray: Numpy 기본 데이터 타입, 단일 데이터 타입 데이터 구조에 주목합니다/연산/차원(데이터 간의 관계)

Series:1차원, 인덱스를 포함한1ndarray 차원 DataFrame:2차원, 테이블형 데이터 타입, 행/열 인덱스를 포함한2ndarray 차원은 데이터와 인덱스의 관계(실제 데이터 응용)에 주목합니다.

실용성, 기능 강도 및 사용성을 비교할 때: list < ndarray < Series/DataFrame

데이터 정렬 및 분석 작업에서 ndarray 배열은 필수적인 보완으로 사용되며, 대부분의 데이터는 Pandas 데이터 타입을 사용하는 것이 좋습니다.

이러한 데이터 구조를 최적화하는 방법은, 고차원 데이터 구조가 저차원 데이터 구조의 컨테이너라는 것입니다. 예를 들어, DataFrame는 Series의 컨테이너이고, Panel은 DataFrame의 컨테이너입니다.

이차원 배열을 만들고 처리하는 것은 복잡한 작업이며, 함수를 작성할 때는 사용자가 데이터 세트의 방향을 고려해야 합니다. 그러나 Pandas 데이터 구조를 사용하면 사용자의 노력을 줄일 수 있습니다.
예를 들어, 테이블 데이터(DataFrame)의 경우, 의미적으로 인덱스(행)와 열을 고려하는 것이轴0과轴보다 더 중요합니다.1많이 도움이 됩니다.

변화성

모든 Pandas 데이터 구조는 값이 변경될 수 있습니다(변경할 수 있습니다)，Series를 제외하고는 모두 크기가 변경될 수 있습니다. 시리즈는 크기가 불변합니다.

주의 -DataFrame는 널리 사용되며, 가장 중요한 데이터 구조 중 하나입니다. Panel은 사용이 적습니다.

Series

Series는 일반적인 데이터를 가진 일차원 배열 구조입니다. 예를 들어, 다음 시리즈는 정수입니다10、23、56의 집합...

Series는 일반적인 데이터를 가진 일차원 배열 구조입니다. 예를 들어, 다음 시리즈는 정수입니다10、23、56의 집합...

동일한 데이터 크기 불변 데이터 변할 수 있는 값

Data Frames

DataFrame는 다양한 데이터를 가진 이차원 배열입니다. 예를 들어，

위 표는 조직의 판매 팀의 데이터와 전반적인 성과 등급을 나타내며, 데이터는 행과 열로 표현되며, 각 열은 하나의 속성을, 각 행은 한 사람을 나타냅니다.

다양한 데이터 크기 불변 데이터 변할 수 있습니다

Panel

Panel은 다양한 데이터를 가진 세차원 데이터 구조입니다. Panel을 그림으로 표현하는 것은 어렵습니다. 하지만 Panel은 DataFrame의 컨테이너로 설명할 수 있습니다.

다양한 데이터 크기 변할 수 있습니다 데이터 변할 수 있습니다