总结 | DataFrame、Series、array、tensor的创建及相互转化

                         

         本文约18张图，阅读大概需要5分钟

最近在入门图像识别，自然也会用到深度学习框架，也接触到了一个新的数据结构——tensor(张量)。除此之外，也有一些很常用的数据结构，比如DataFrame、Series、array等，这篇文章主要对这几种数据结构的创建及相互转换做一个小总结。

创建方法

DataFrame

这里就不在单独贴出每种数据结构的示例图，只是简单描述一下各个数据结构的特点。DataFrame类似于一个二维矩阵，但它的行列都有对应的索引。

DataFrame创建方法很多，这里给出比较常用的三种方法：

1、通过字典创建

2、通过元组创建

原理与通过字典创建一致，但需要注意行、列索引需要自己指定。

3、randn随机生成

np.random.randn(m,n)是生成一个 规格的矩阵，行列索引需要自己指定。

Series

Series 可以当成 DataFrame 中一个元素，一列索引对应一列值。

1、通过字典创建

2、通过列表创建

3、通过arange创建

array

tensor

这里 Tensor 是类，tensor 和 as_tensor则是方法，第一种生成的是浮点型，后两种生成数据的类型和传入数据类型一致，也就是说传入整型生成整型，传入浮点型生成浮点型。

转化

DataFrame 拆解 Series

索引出的单行或者单列的数据类型为Series。

DataFrame 转 array

1、直接获取values

2、通过numpy转换

Series 转 DataFrame

1、合成

2、to_frame()方法

Series 转 array

方法同DataFrame 转 array。

array 转 DataFrame

array 转 Series

array 转 tensor

tensor 转 array

上面这些创建及转化的方法只是一部分，也算是比较常用的一些，除此之外比如还可以通过列表作为中间介质进行转换等等，这里就不在过多介绍啦。

相关阅读：

• 数据科学系列：sklearn库主要模块功能简介
  

• 数据科学系列：seaborn入门详细教程
  

• 数据科学系列：pandas入门详细教程

• 数据科学系列：matplotlib入门详细教程

• 数据科学系列：numpy入门详细教程

• pyecharts极简入门教程