Python Pandas 中的数据框和矩阵有什么区别?

在本文中，我们将向您展示 Python Pandas 中数据框和矩阵的区别。

数据框和矩阵都是二维数据结构。一般来说，数据框可以包含多种类型的数据(数字、字符、因子等)，而矩阵只能存储一种类型的数据。

Python 中的数据框

在 Python 中，DataFrame 是一种二维、表格、可变的数据结构，可以存储包含各种数据类型对象的表格数据。DataFrame 具有以行和列形式标记的轴。DataFrame 是数据预处理中的有用工具，因为它们提供了有价值的数据处理方法。 DataFrames 还可用于创建数据透视表并使用 Matplotlib 绘制数据。

Dataframe 的应用

• 数据框可以执行各种任务，例如拟合统计公式。

• 数据处理(矩阵无法实现，必须先转换为数据框)

• 将行转置为列，反之亦然，这在数据科学中很有用。

创建示例数据框

算法(步骤)

以下是执行所需任务所要遵循的算法/步骤 −

• 使用 import 关键字，以别名导入 pandas, numpy 模块。

• 创建使用 pandas 模块的 DataFrame() 函数返回一个数据框。

• 打印输入数据框。

示例

以下程序使用 DataFrame() 函数返回一个数据框 −

# importing pandas, numpy modules with alias names
import pandas as pd
import numpy as np

# creating a dataframe
inputDataframe = pd.DataFrame({'Name': ['Virat', 'Rohit', 'Meera', 'Nick', 'Sana'], 'Jobrole': ['Developer', 'Analyst', 'Help Desk', 'Database Developer', 'Finance accountant'], 'Age': [25, 30, 28, 25, 40]})

# displaying the dataframe
print(inputDataframe)

输出

执行时，上述程序将生成以下输出 -

   Name             Jobrole      Age
0  Virat            Developer    25
1  Rohit            Analyst      30
2  Meera            Help Desk    28
3  Nick  Database   Developer    25
4  Sana  Finance    accountant   40

Python 中的矩阵

矩阵是按二维矩形网格组织的同质数据集集合。它是一个具有相同数据类型的 m*n 数组。它是使用向量输入创建的。行数和列数是固定的。 Python 支持矩阵上的多种算术运算，例如加法、减法、乘法和除法。

矩阵的应用

• 它在经济学中非常有用，可用于计算 GDP(国内生产总值)或 PI(人均收入)等统计数据。

• 它对于研究电气和电子电路也很有用。

• 打印输入数据框。

• 矩阵用于调查研究，例如绘制图表。

• 这在概率和统计中很有用。

通过将矩阵转换为数据框进行矩阵乘法

算法(步骤)

以下是执行所需任务要遵循的算法/步骤−

• 使用 import 关键字，以别名导入 pandas 模块。

• 创建两个变量分别存储两个输入矩阵。

• 使用 pandas 模块的 DataFrame() 函数(创建数据框)创建第一和第二个矩阵的数据框，并将它们存储在单独的变量中。这里将数据加载到 pandas DataFrames 中。

• 打印输入矩阵 1 的数据框。

• 通过将 shape 属性应用于输入矩阵 1，打印其尺寸(形状)。

• 打印输入矩阵 2 的数据框。

• 通过将 shape 属性应用于输入矩阵 2，打印其尺寸(形状)。

• 使用 dot() 函数将矩阵 inputMatrix_1 和 inputMatrix_2 相乘，并创建一个变量来存储它。

• 打印 inputMatrix_1 和 inputMatrix_2 矩阵乘法的结果矩阵。

• 通过将 shape 属性应用于输入矩阵 2，打印结果矩阵的尺寸(形状)。它。

示例

以下程序使用 DataFrame() 函数返回一个数据框 −

# importing pandas module
import pandas as pd

# input matrix 1
inputMatrix_1 = [[1, 2, 2],
   [1,  2, 0],
   [1,  0, 2]]

# input matrix 2
inputMatrix_2 = [[1, 0, 1],
   [2, 1, 1],
   [2, 1, 2]]

# creating a dataframe of first matrix
#(here data is loaded into a pandas DataFrames)
df_1 = pd.DataFrame(data=inputMatrix_1)

# creating a dataframe of second matrix
df_2 = pd.DataFrame(data=inputMatrix_2)

# printing the dataframe of input matrix 1
print("inputMatrix_1:")
print(df_1)

# printing the dimensions(shape) of input matrix 1
print("The dimensions(shape) of input matrix 1:")
print(df_1.shape)
print()

# printing the dataframe of input matrix 2
print("inputMatrix_2:")
print(df_2)

# printing the dimensions(shape) of input matrix 1
print("The dimensions(shape) of input matrix 2:")
print(df_2.shape)
print()

# multiplying both the matrices inputMatrix_1 and inputMatrix_2
result_mult = df_1.dot(df_2)

# Printing the resultant of matrix multiplication of inputMatrix_1 and inputMatrix_2
print("Resultant Matrix after Matrix multiplication:")
print(result_mult)

# printing the dimensions(shape) of resultant Matrix
print("The dimensions(shape) of Resultant Matrix:")
print(result_mult.shape)

输出

inputMatrix_1:
0 1 2
0 1 2 2
1 1 2 0
2 1 0 2
The dimensions(shape) of input matrix 1:
(3, 3)

inputMatrix_2:
0 1 2
0 1 0 1
1 2 1 1
2 2 1 2
The dimensions(shape) of input matrix 2:
(3, 3)

Resultant Matrix after Matrix multiplication:
0 1 2
0 9 4 7
1 5 2 3
2 5 2 5
The dimensions(shape) of Resultant Matrix:
(3, 3)

以下是矩阵和数据框的区别表。

矩阵与数据框

结论

我们在本程序中了解了 Python 中矩阵和数据框之间的区别。我们还学习了如何制作数据框以及如何将矩阵转换为数据框。

相关文章

• Python-Itertools.zip_longest()
• Python 日历模块:monthdays2calendar() 方法
• Python 日历模块:yeardayscalendar() 方法
• 按键对 Python 字典进行排序的不同方法
• 在 Python 中访问实例变量的不同方法
• Python 中赋值语句的不同形式
• Python3 中的不同输入和输出技术
• 不同的 Python IDE 和代码编辑器
• 在 Python 中创建线程的不同方法
• 用于检查日期范围内日期的 Python 程序