pandas Series和DataFrame的详细使用说明

Series是一个类似于一维数组的对象，能同时存储不同类型的数据

from  pandas import Series
s=Series(data=[1,2,3,'da'],index=['a','b','c','d'])
print(s)

可以用字典直接传数据，常用属性shape,size,index,values

from  pandas import Series
dict={"chinese":99,"math":80,"enghlish":100}
s=Series(data=dict)
print(s)
print(s[0])
print(s.math)
print(s[0:2])
print(s.size)
print(s.shape)
print(s.index)
print(s.values)

 

 s.dtype表示数据的类型，数据类型 o表示Object(字符串类型）

from  pandas import Series
dict={"chinese":99,"math":80,"enghlish":100}
s=Series(data=dict)
b=Series(data=[1,2,'134'])
print(s.dtype)
print(b.dtype)

Series的常用方法

head(n)：显示前n个数据，默认不写是5

tail(n)：显示后n个数据

unique()：去重

isnull()：用于判断每一个元素是否为空，如果为空返回True，否则返回False

notnull()：用于判断每一个元素是否不为空，如果不为空返回True，否则返回False

Series算术运算法则：索引一致的元素进行算数运算，否则补空

 DataFrame是一个表格型的数据结构，属于多维数据，既有行索引，也有列索引

from  pandas import DataFrame
df=DataFrame(data=[[1,3,4,4],[1,23,3]])
print(df)

 

from  pandas import DataFrame
dict={
    "name":["zhang","lin","wu"],
    "salary":[22,33,99]
}
df=DataFrame(data=dict)
print(df)

 

from  pandas import DataFrame
dict={
    "name":["zhang","lin","wu"],
    "salary":[22,33,99]
}
df=DataFrame(data=dict,index=["a",'b','c'])
print(df)

 DataFrame常用属性：

values:数据

columns:列索引

index:行索引

shape形状

DataFrame可以对行对列进行索引操作和切片操作 

from  pandas import DataFrame
import numpy as np
df=DataFrame(data=np.random.randint(20,100,size=(8,5)),columns=["a","b","c","d","e"])
print(df)

print(df["a"])#取单列，如果df有显示索引，通过索引机制取行或者列的时候只可以使用显示索引，不能使用默认索引01234……
print(df[["a","c"]])#取多列
print(df.iloc[0])#取单行
print(df.iloc[[0.2.3.6]])#取多行

 

 

 

iloc：通过隐式索引取行

loc:通过显示索引取行

from  pandas import DataFrame
import numpy as np
df=DataFrame(data=np.random.randint(20,100,size=(8,5)),columns=["a","b","c","d","e"])
print(df)


print(df.iloc[0])#取单行
print(df.iloc[[0.2.3.6]])#取多行

df.iloc([[1,3,5],2])#表示取第1,3,5行第2列的数据

#切行

df[0:2]#前两行

#切列

df.iloc([:,0:2])前两列

DataFrame算术运算法则：索引一致的元素进行算数运算，否则补空

from  pandas import DataFrame
# import numpy as np
import  pandas as pd
dict={
    "time":['2022-2-3','2022-3-5','2022-7-8'],
    "temp":[33,66,88]
}
df=DataFrame(data=dict)
print(df)
print(pd.to_datetime(df['time']))#将time列的数据类型转换成时间序列类型

 

 

from  pandas import DataFrame
# import numpy as np
import  pandas as pd
dict={
    "time":['2022-2-3','2022-3-5','2022-7-8'],
    "temp":[33,66,88]
}
df=DataFrame(data=dict)
print(df)
# print(pd.to_datetime(df['time']))
df.set_index("time",inplace=True)#将time列作为数据的行索引，如果设置了inplace=True会修改源数据
print(df)