Python為什么需要Pandas的DataFrame類型

本篇內(nèi)容主要講解“Python為什么需要Pandas的DataFrame類型”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python為什么需要Pandas的DataFrame類型”吧!

假設(shè)現(xiàn)在有這樣的一個(gè)需求，需要在某電影網(wǎng)站上采集基本的電影數(shù)據(jù)，字段有電影名稱、電影URL連接地址以及電影的評(píng)分三個(gè)字段。試想一下應(yīng)該選擇什么樣的數(shù)據(jù)類型來(lái)存儲(chǔ)這些數(shù)據(jù)？

首先大家可能想到的是list()類型，很快就會(huì)寫(xiě)出下面的代碼：

videos = []item = ['哪吒之魔童降世', 'http://www.videos.com', '9.9']videos.append(item)
# [['哪吒之魔童降世', 'http://www.videos.com', '9.9']]

雖然能夠存儲(chǔ)這些數(shù)據(jù)，但是想要基于這些數(shù)據(jù)進(jìn)行某些查找和修改操作，將會(huì)變得非常麻煩，如按評(píng)分排序、超找包含特定關(guān)鍵字的記錄等。對(duì)于numpy.ndarray()來(lái)說(shuō)，也是面臨同樣的問(wèn)題。

上面介紹的這種形式的數(shù)據(jù)，是一種常見(jiàn)的需要存儲(chǔ)和進(jìn)行處理的一些數(shù)據(jù)，但是list()和numpy.ndarray()都無(wú)法很好的處理這些數(shù)據(jù)，因此需要一種新的、更加方便的數(shù)據(jù)類型，而這種數(shù)據(jù)類型就是pandas給我們提供的DataFrame類型。

df = pandas.DataFrame(columns=['video_name', 'video_url', 'video_score'])for i in range(1,112):    url = 'https://www.meiju.net/search.php?page={}&searchtype=5&tid=2'.format(i)    soup = BeautifulSoup(requests.get(url).content, 'html.parser')    for item in soup.select('div.hy-video-list li > a'):        row = edict()        row.video_name = item['title']        row.video_url = item['href']                score_tag = item.select_one('span.score')        if score_tag is not None:            row.video_score = score_tag.text                df = df.append(row, ignore_index=True)

有了DataFrame這個(gè)類型之后，我們可以做什么呢？

可以按照評(píng)分對(duì)數(shù)據(jù)進(jìn)行快速排序：

df.sort_values('video_score', ascending=False)

除了上面介紹的之外，還有很多更加強(qiáng)大的功能和方法，后續(xù)文章將根據(jù)一些案例持續(xù)進(jìn)行介紹。

到此，相信大家對(duì)“Python為什么需要Pandas的DataFrame類型”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！