python-pandas-Series和DataFrame数据结构构建

内容简介

很早就开始接触python的pandas库，但是没有系统的学习过，只是在网上找些碎片来学习，因此很多东西都是半知半解，用起来也是糊里糊涂，很开心能有一段完整的时间来系统的学习python以及pandas库，以后处理数据也能得心应手~

pandas是一个强大的工具，他有两种主要的数据结构：Series和DataFrame,还有一些基于这两种结构的基本功能，以及汇总和统计功能，接下来会分4篇博客来详细的介绍pandas的使用。这4篇博客的主题为：

1）Series和DataFrame介绍和构建

2）Series和DataFrame的索引、切片、过滤，算术运算与数据对齐，函数映射，排序等

3）Series和DataFrame的汇总和计算统计描述

4）Series和DataFrame的层次化索引

本篇博客主要内容：

1）Series构建

2）DataFrame构建

3）索引属性

Series

Series = 一维数组 + 数据标签（索引）

Series创建

import pandas as pd 
from pandas import Series,DataFrame

Series()输入可以是列表，可以是数组（各种numpy数据类型），当不指定索引时，系统自动加上0-(N-1)的整数索引（N为数组大小），还可以是字典类型，字典的键会被当成索引，字典的值会被当做Series的值。

#列表构建Series
obj1 = Series([1,2,3,4])
obj1

    0    1
    1    2
    2    3
    3    4
    dtype: int64

#字典创建Series
stata = {
  'a':10,'b':20,'c':30,'d':40}

obj2 = Series(stata)
obj2

    a    10
    b    20
    c    30
    d    40
    dtype: int64

import numpy as np
#自定义索引
obj3 = Series(np.arange(4),index=['aa','bb','cc','dd'])

obj3

    aa    0
    bb    1
    cc    2
    dd    3
    dtype: int32

obj1

    0    1
    1    2
    2    3
    3    4
    dtype: int64

#注意利用Series构建数组时，index不能指定，可以通过先复制，在改变index实现修改原Series的索引
obj4 = Series(obj1,index=['aa','bb','cc','dd'])
obj4

    aa   NaN
    bb   NaN
    cc   NaN
    dd   NaN
    dtype: float64

Series 访问

1）通过索引访问包括索引切片

2）通过逻辑运算访问

3）通过.values和.index访问

obj1

    0    1
    1    2
    2    3
    3    4
    dtype: int64

obj1[0]

    1

obj1[1:3]

    1    2
    2    3
    dtype: int64

obj1.values

    array([1, 2, 3, 4], dtype=int64)

obj1.index

    RangeIndex(start=0, stop=4, step=1)

obj1[obj1>2]#逻辑表达式