python不同数据结构的操作区别

原创已于 2023-07-25 17:44:35 修改 · 208 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

Python

于 2023-07-11 18:29:27 首次发布

本文介绍了Python中不同数据结构，如列表、字典和dataframe的操作方法，包括遍历（如返回列表元素、字典键）和索引（如列表的[]操作、字典的.get方法及dataframe的列名和.iloc索引）。此外，还讨论了数值计算，如dataframe的差、平方、对数计算，以及numpy的均值和最小值位置。文章强调了数据结构在实际操作中的差异和转换的重要性，如列表到array的转换以利用numpy的功能。

python不同数据结构的操作区别

一、遍历

1、对于列表的遍历

languages = ["Regional Assembly Language","Autocode","FORTRAN","IPL (LISP的先驱)"]

for language in languages:
    print(language)

输出结果：每次返回逗号之前
在这里插入图片描述

2、对于字典的遍历

install = {
        "Windows": "请下载 Windows 安装包安装：https://www.python.org/downloads/windows/",
        "CentOS": "使用yum包管理器，执行命令：yum install -y python3",
        "Ubuntu": "使用apt-get包管理器，执行命令：apt-get install -y python3",
        "MacOS": "安装brew包管理器，然后执行命令： brew install python3",
    }
for platform in install:
    print(platform)

输出结果：每次返回字典的键（KEY）
在这里插入图片描述

3、对于dataframe的遍历

如下图是一个dataframe，dataframe可以看做是一个excel，每一行由一个中括号表示。
在这里插入图片描述

for x_input in x_inputs:
    print(x_input)

输出结果：遍历是得到每一行
在这里插入图片描述

二、索引

1、对于列表的索引

programmers = [
  "约翰·巴科斯(JohnWarnerBackus), 创建了Fortran语言",
  "阿兰·库珀(Alan Cooper), 开发了Visual Basic语言",
  "詹姆斯·高斯林(James Gosling), 开发了Java语言",
  "安德斯·海尔斯伯格(Anders Hejlsberg), 开发了Turbo Pascal、Delphi、C#以及TypeScript",
  "丹尼斯·里奇(Dennis MacAlistair Ritchie), 发明了C语言",
  "比雅尼·斯特劳斯特鲁普(Bjarne Stroustrup), 他以创造C++编程语言而闻名，被称为“C++之父”",
  "吉多·范罗苏姆(Guido van Rossum), 创造了 Python"
]
print(programmers[0])

输出结果：
在这里插入图片描述
对于列表使用[]的方式进行索引
对于列表中叠列表的情况，比如下图，一个列表中有四个小列表

采用二维数组的引用方式，第一个索引找到小列表，第二个索引找到小列表中对应的值

numsarr[i][1]

2、对于字典的索引

install = {
    "Windows": "请下载 Windows 安装包安装：https://www.python.org/downloads/windows/",
    "CentOS": "使用yum包管理器，执行命令：yum install -y python3",
    "Ubuntu": "使用apt-get包管理器，执行命令：apt-get install -y python3",
    "MacOS": "安装brew包管理器，然后执行命令： brew install python3",
}
print(install.get('Windows'))

输出结果：
在这里插入图片描述
对于字典，使用.get的方法得到字典的值。

3、对于DataFrame的索引

DataFrame是Pandas中特有的一种数据结构。

import pandas as pd
import numpy as np

data = pd.read_excel("data6.xls")#根据每个月的预处理文件名做修改
print(data)

在这里插入图片描述
现有这样的一个DataFrame

print(data['T'])

可以使用[‘’]里面用列名的方式，提取一整列
在这里插入图片描述
然后使用.iloc[]的方式提取具体某一行

print(data['T'].iloc[0])

在这里插入图片描述
若要使用iloc提取某一列，[:,0],冒号:前不加东西表明选择所有行。
例如下面的代码，：，表示选取所有行，1:14表示选取第一列至第14列

x_inputs = shaobing.iloc[:, 1:14].values
print(x_inputs)
x_inputs = shaobing.iloc[:, 1:14]
print(x_inputs)

输出结果：加.values的区别就在于是否显示行索引和列索引
在这里插入图片描述

对于字符串的索引

while True:
    ret = input('请输入字符串:')
    print(ret[0],ret[1],ret[2])

输出结果：字符串也使用[]加数字的方式索引
在这里插入图片描述

三、数值计算

1、dataframe

dataframe最强大的功能就是类似于并且强于excel的数据处理能力，可以把dataframe看做是excel表格
①作差
以下面的两个dataframe举例
A
在这里插入图片描述
B

这A和B的df，列数一样，不过B只有一行，直接相减会得到什么

print(lookup_table[:, :-1] - x_input)

输出结果：dataframe把A的每一行减去了B 在这里插入图片描述
试想一下，这样的操作在excel中是不是会很麻烦？

②求平方、对数
np.square()会将每一个元素做平方,np.log()会求每一个元素的底数
dataframe与numpy的结合，就相当于excel中添加了函数计算功能。

③求均值

np.mean(np.square(lookup_table[:, :-1] - x_input), axis=1)

axis=1表示计算每一行的元素均值，axis=0表示计算每一列的均值

④求最小值的位置

import numpy as np

losses = np.array([3.5, 2.2, 4.7, 1.8, 5.1])
idx = np.argmin(losses)
print(idx)

输出得到3

2、列表

列表支持一些简单的计算，比如求列表中的最小值，最大值。不过因为维度的关系（见下文显示方式），列表只有一行，无法满足多行列数据的存储和操作需求

四、显示方式

1、列表转array前后

lai_preds = []
for x_input in x_inputs:
    lai_pred1 = predict_lai(x_input, lookup_table)
    lai_preds.append(lai_pred1)
lai_pred = np.array(lai_preds)
print(lai_preds)
print(lai_pred)