内容简介:如何高效地学习数据结构——Python篇
我们来看看如何高效地学习一门语言的数据结构,今天我们先看 Python 篇。
所谓数据结构,是指相互之间存在一种或多种特定关系的数据类型的集合。
要学习好一种东西,最好给自己找一个目标,达到了这个目标,我们就是学好了。一般,我在学习一门新的语言的数据结构的时候,一般要求自己达到以下五个要求: 第一个问题:概念,这种数据结构的概念是什么呢?
第二个问题:定义,如何定义这种数据结构呢?
第三个问题:限制,使用这种数据结构,有什么限制呢?
第四个问题:访问,访问这种数据结构内的数据的方式是什么呢?
好,今天我们就来回答一下以上五个问题。 第一个问题:概念,这种数据结构的概念是什么呢? 数据框是用于存储多行和多列的数据集合,下面我们使用一张图片,形象地讲解它的内部结构: OK,这个就是数据框的概念了。 第二个问题:定义,如何定义这种数据结构呢? DataFrame函数语法 DataFrame(columnsMap) 代码举例 : >>> df = DataFrame({ 'age': Series([21, 22, 23]), 'name': Series(['KEN', 'John', 'JIMI']) }); >>> df age name 0 21 KEN 1 22 John 2 23 JIMI OK,这个就是定义数据框DataFrame的方法了。 第三个问题:限制,使用这种数据结构,有什么限制呢? 一般而言,限制是对于这种数据结构是否只能存储某种数据类型,在Python的数据框中,允许存放多种数据类型,基本上对于默认的数据类型,没有任何限制。 第四个问题:访问,访问这种数据结构内的数据的方式是什么呢? 访问位置方法备注访问列变量名[列名]访问对应列访问行变量名[n:m]访问n行到m-1行的数据访问行和列变量名.iloc[n1:n2, m1:m2]访问n1到n2-1列,m1到m2-1行的数据访问位置变量名.at[n, 列名]访问n行,列位置 代码举例
0 21 1 22 2 23 Name: age, dtype: int64 >>> df[1:2] age name 1 22 John >>> df.iloc[0:1, 0:2] age name 0 21 KEN >>> df.at[0, 'name'] 'KEN' >>> df[['age', 'name']] age name 0 21 KEN 1 22 John 2 23 JIMI >>> 第五个问题:修改,如何对这种数据结构进行增加元素、删除元素以及修改元素呢? 这个问题,我并没有在课程中跟大家讨论过,主要是为了避免大家觉得学习起来很难。 也因此,这篇博文到了这里才是真正的干货,之前的那些都是课程中出现过的内容了,哈哈, 修改包括: 1、修改列名,行索引
2、增加/删除/修改 行
好,下面我们上代码: from pandas import Series; from pandas import DataFrame; df = DataFrame({ 'age': Series([21, 22, 23]), 'name': Series(['KEN', 'John', 'JIMI']) }); #1.1、修改列名 >>> df.columns Index(['age', 'name'], dtype='object') >>> df.columns=['age2', 'name2'] >>> df age2 name2 0 21 KEN 1 22 John 2 23 JIMI #1.2、修改行名 >>> df.index Int64Index([0, 1, 2], dtype='int64') >>> df.index = range(1,4) >>> df.index Int64Index([1, 2, 3], dtype='int64') #2.1、删除行 >>> df.drop(1) age2 name2 2 22 John 3 23 JIMI >>> df age2 name2 1 21 KEN 2 22 John 3 23 JIMI #注意,删除后的DataFrame需要一个变量来接收,并不会直接修改原来的DataFrame. >>> newdf = df.drop(1); >>> newdf age2 name2 2 22 John 3 23 JIMI #2.2、删除列 >>> del newdf['age2'] >>> newdf name2 2 John 3 JIMI #3.1、增加行 >>> df.loc[len(df)+1] = [24, "KENKEN"]; >>> df age2 name2 1 21 KEN 2 22 John 3 23 JIMI 4 24 KENKEN #3.2、增加列 >>> df['newColumn'] = [2, 4, 6, 8]; >>> df age2 name2 newColumn 1 21 KEN 2 2 22 John 4 3 23 JIMI 6 4 24 KENKEN 8 以上就是全部五个问题的答案了,通过自问自答这五个问题,我们就可以高效地学习某种数据结构了。
End.
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 数据结构 – 用于构建文件系统的数据结构?
- 荐 用Python解决数据结构与算法问题(三):线性数据结构之栈
- 数据结构和算法面试题系列-C指针、数组和结构体
- 请问二叉树等数据结构的物理存储结构是怎样的?
- 数据结构——单链表
- 常用数据结构
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
图片转BASE64编码
在线图片转Base64编码工具
RGB CMYK 转换工具
RGB CMYK 互转工具