Pandas有三種數(shù)據(jù)結(jié)構(gòu)：Series、DataFrame和Panel。Series類似于數(shù)組；DataFrame類似于表格；Panel可視為Excel的多表單Sheet

1.Series

Series是一種一維數(shù)組對象，包含一個值序列，并且包含數(shù)據(jù)標(biāo)簽，稱為索引(index)，通過索引來訪問數(shù)組中的數(shù)據(jù)。

1.1通過列表創(chuàng)建Series

例1.通過列表創(chuàng)建

out:0 11 -22 33 4dtype: int64

輸出的第一列為index，第二列為數(shù)據(jù)value。如果創(chuàng)建Series時沒有指定index，Pandas會采用整型數(shù)據(jù)作為該Series的index。也可以使用Python里的索引index和切片slice技術(shù)

例2.創(chuàng)建Series時指定索引

out:a 2c 4d 5a 7Name: col, dtype: int64

盡管創(chuàng)建Series指定了index，實(shí)際上Pandas還是有隱藏的index位置信息。所以Series有兩套描述某條數(shù)據(jù)手段：位置和標(biāo)簽

例3.Series位置和標(biāo)簽的使用

1.2通過字典創(chuàng)建Series

如果數(shù)據(jù)被存放在一個Python字典中，也可以直接通過這個字典來創(chuàng)建Series

例4.通過字典創(chuàng)建Series

import pandas as pdsdata = {'Ohio':35000,'Texass':71000,'Oregon':16000,'Utah':5000}obj = pd.Series(sdata)print(obj)

如果只傳入一個字典，則結(jié)果Series中的索引就是原字典的鍵（有序排列）

例5.通過字典創(chuàng)建Series時的索引

import pandas as pdsdata = {'a':100,'b':200,'e':300}obj = pd.Series(sdata)print(obj)

如果字典中的鍵值和指定的索引不匹配，則對應(yīng)的值時NaN

例6.鍵值和指定索引不匹配

import pandas as pdsdata = {'a':100,'b':200,'e':300}letter = ['a','b','c','e']obj = pd.Series(sdata,index=letter)print(obj)

對于許多應(yīng)用而言，Series重要的一個功能是：它在算術(shù)運(yùn)算中會自動對齊不同索引的數(shù)據(jù)

例7.不同索引數(shù)據(jù)的自動對齊

import pandas as pdsdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}obj1 = pd.Series(sdata)states = ['California','Ohio','Oregon','Texas']obj2 = pd.Series(sdata,index=states)print(obj1+obj2)

Series的索引可以通過賦值的方式就地修改

例8.Series索引的修改

import pandas as pdobj = pd.Series([4,7,-3,2])obj.index = ['Bob','Steve','Jeff','Ryan']print(obj)

2.DataFrame

DataFrame是一個表格型的數(shù)據(jù)結(jié)構(gòu)，它含有一組有序的列，每列可以是不同類型的值(數(shù)值、字符串、布爾值等)。DataFrame既有行索引也有列索引，它可以被看作由Series組成的字典(共用同一個索引)。跟其他類型的數(shù)據(jù)結(jié)構(gòu)相比，DataFrame中面向行和面向列的操作上基本上是平衡的

構(gòu)建DataFrame的方式有很多，最常用的是直接傳入一個由等長列表或NumPy數(shù)組組成的字典來形成DataFrame

例9.DataFrame的創(chuàng)建

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data)print(df)

DataFrame會自動加上索引(跟Series一樣)，且全部列會被有序排列。如果指定了列名序列，則DataFrame的列就會按照指定順序進(jìn)行排列

例10.DataFrame的索引

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city'])print(df)

跟Series一樣，如果傳入的列在數(shù)據(jù)中找不到，就會產(chǎn)生NaN值。

例11.DataFrame創(chuàng)建時的空缺值

import pandas as pddata = {    'name':['張三','李四','王五','小明'],    'sex':['female','female','male','male'],    'year':[2001,2001,2003,2002],    'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'])print(df)

DataFrame構(gòu)造函數(shù)的columns函數(shù)給出列的名字，index給出label標(biāo)簽

例12.DataFrame構(gòu)建時指定列名

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])print(df)

3.索引對象

Pandas的索引對象負(fù)責(zé)管理軸標(biāo)簽和其他元數(shù)據(jù)(例如軸名稱等).構(gòu)建Series或DataFrame時，所用到的任何數(shù)組或其他序列的標(biāo)簽都會被轉(zhuǎn)換成一個Index

例13.顯示DataFrame的索引和列

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])print(df)print(df.index)print(df.columns)

索引對象不能進(jìn)行修改，否則會報錯。不可修改性非常重要，因?yàn)檫@樣才能使Index對象在多個數(shù)據(jù)結(jié)構(gòu)之間安全共享
除了長的像數(shù)組，Index的功能也類似于一個固定大小的集合
例14.DataFrame的Index

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])print('name'in df.columns)print('a'in df.index)

每個索引都有一些方法和屬性，他們可用于設(shè)置邏輯并回答有關(guān)該索引所包含的數(shù)據(jù)的常見的問題。

例15.插入索引值

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])df.index.insert(1,'w')

4.查看DataFrame的常用屬性

DataFrame的基礎(chǔ)屬性有value、index、columns、dtypes、ndim和shape，分別可以獲取DataFrame的元素、索引、列名、類型、維度和形狀。

例16.顯示DataFrame的屬性

import pandas as pddata = {'name':['張三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2002],'city':['北京','上海','廣州','北京']}df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d'])print(df)print('信息表的所有值為：\n',df.values)print('信息表的所有列為：\n',df.columns)print('信息表的元素個數(shù)：\n',df.size)print('信息表的維度：\n',df.ndim)print('信息表的形狀：\n',df.shape)