pandas中三大对象

1.pandas的Series对象

pandas的Series对象是一个带索引数据构成的一维数组。可以用一个数组创建Series对象

import pandas as pd
​
data=pd.Series([0.25,0.5,0.75,1.0])
print(data)
# output:0    0.25
#        1    0.50
#        2    0.75
#        3    1.00
#       dtype: float64
在上面的运行结果中，Series对象将一组数据和一组索引绑定在一起，我们可以通过values属性和index属性获取数据。

data.values
#output；[0.25 0.5  0.75 1.  ]
​
data.index
#output:RangeIndex(start=0, stop=4, step=1)
另外，数据可以通过python的中括号索引标签获取：

data[1]
#output:0.5
data[:3]
#output:1    0.50
#       2    0.75
#       dtype: float64
1.1 Series是通用的Numpy数组

从上面的例子看出来，Numpy的一维数组和Series对象基本可以等价交换，但是两者的本质差异是存在于索引：Numpy数组是通过隐式定义的整数索引获取数值，而pandas的Series对象是用一种显式定义的索引与数值关联。

显式索引的定义让Series对象拥有了更强的定义。例如：索引不再仅仅是整数，还可以是任意想要的类型。

data=pd.Series([0.25,0.5,0.75,1.0],index=['a','b','c','d'])
print(data)
print(data['a'])
#output:a    0.25
#       b    0.50
#       c    0.75
#       d    1.00
#       dtype: float64
#       0.25
注意：也可以使用不连续或不按顺序的索引。

data=pd.Series([0.25,0.5,0.75,1.0],index=[2,5,3,7])

1.2 Series是特殊的字典

Series对象看成是一种特殊的Python字典。字典是一种将任意键映射到一组任意值的数据结构，而Series对象其实是一组类型键映射到一组类型值的数据结构。

import pandas as pd
population_dict={'California':38332521,'Texas':26448193,'New York':19651127,'Florida':19552860,'Illinois':12882135}
population=pd.Series(population_dict)
print(population)
#output:California    38332521
#       Texas         26448193
#       New York      19651127
#       Florida       19552860
#       Illinois      12882135
#       dtype: int64
上面对数组的操作仍然可以对这个Series对象适用。如切片操作，取值等。

1.3 创建Series对象

一般的创建方式：pd.Series(data,,index=index)

a)data可以是列表或者Numpy，这时index默认值为整数序列

z=pd.Series([2,4,6])
print(z)
#output:0    2
#       1    4
#       2    6
#       dtype: int64
b)data也可以是一个标量，创建Series对象时会重复填充到每个索引上：

z=pd.Series(5,index=[100,200,300])
print(z)
#output:100    5
#       200    5
#       300    5
#       dtype: int64
c)data还可以是一个字典，index默认是排序的字典键：

z=pd.Series({2:'a',1:'b',3:'c'},index=[3,2])
print(z)
#output:3    c
#       2    a
#       dtype: object
​
#出现这样的原因是：Series对象只会保留显式定义的键值对。
2.pandas的DataFrame对象

2.1 DataFrame是通用的Numpy数组

可以将DataFrame看作是一种既有灵活的行索引，又有灵活的列名的二维数组。它的行和列都可以通过索引获取

同时，可以将DataFrame看成是有序‘排列’的若干Series对象

#创建基本的DataFrame,采用Series对象来解决。
import pandas as pd
​
population_dict={'California':38332521,'Texas':26448193,'New York':19651127,'Florida':19552860,'Illinois':12882135}
population=pd.Series(population_dict)
area_dict={'California':423967,'Texas':170312,'New York':141297,'Florida':170312,'Illinois':149995}
area=pd.Series(area_dict)
#用一个字典创建一个包含这些信息的二维数组：
states=pd.DataFrame({'population':population,'area':area})
print(states)
​
#output:            population    area
#       California    38332521  423967
#       Texas         26448193  170312
#       New York      19651127  141297
#       Florida       19552860  170312
#       Illinois      12882135  149995
​
#查看行索引标签(index 属性)
states.index
#output：Index(['California', 'Texas', 'New York', 'Florida', 'Illinois'], dtype='object')
#返回的是Index对象
​
#查看列索引标签
states.columns
#output:Index(['population', 'area'], dtype='object')
2.2 DataFrame是特殊的字典

我们可以把DataFrame看成是特殊的字典。字典是一个键映射一个值，而DataFrame是一列映射一个Series的数据。

# 通过‘area’列属性获取包含于area列的所有数据
print(states['area'])
#output:California    423967
#       Texas         170312
#       New York      141297
#       Florida       170312
#       Illinois      149995
#       Name: area, dtype: int64
2.3 创建DataFrame对象

a)通过单个Series对象创建

#DataFrame 是一组Series对象的集合，可以使用单个Series创建一个单列的DataFrame
pd.DataFrame(population,columns=['populations'])
#output              populations
#       California     38332521
#       Texas          26448193
#       New York       19651127
#       Florida        19552860
#       Illinois       12882135
b)通过字典列表创建

任何元素是字典的列表都可以变成DataFrame.用一个简单的列表综合来创建一些数据：

data=[{'a':i,'b':2*i}for i in range(3)]
z=pd.DataFrame(data,index=list('ABC'))
print(z)
#output:   a  b
#       A  0  0
#       B  1  2
#       C  2  4
当字典中有些键不存在时，Pandas也会使用缺失值（NaN）(not a number)来表示：

data=[{'a':1,'b':2},{'b':3,'c':4}]
z=pd.DataFrame(data)
print(z)
#output:     a  b    c
#       0  1.0  2  NaN
#       1  NaN  3  4.0
c)通过Series对象字典创建

见最开始的示例中DataFrame的创建方式。

d)通过Numpy二维数组创建

假如有一个二维数组，就可以创建一个可以指定行列索引值的DataFrame.如果不指定行列索引值，那么行列默认都是整数索引值：

data=np.random.rand(3,2)
z=pd.DataFrame(data,columns=['foo','bar'],index=['a','b','c'])
print(z)
#output:        foo       bar
#       a  0.679849  0.791610
#       b  0.438278  0.331297
#       c  0.998745  0.861642
e)通过Numpy结构化数组创建

首先是介绍来自于官网的结构化数组：

Structured type, two fields: the first field contains an unsigned int, the second an int32:
>> np.dtype([('f1', np.uint), ('f2', np.int32)])
#output:dtype([('f1', '<u4'), ('f2', '<i4')])
通过结构化数组创建DataFrame：

A=np.zeros(3,dtype=[('A','i8'),('b','f8')])
print(A)
#output:[(0, 0.) (0, 0.) (0, 0.)]
z=pd.DataFrame(A)
print(z)
#output：   A    B
#        0  0  0.0
#        1  0  0.0
#        2  0  0.0
3.pandas的Index对象

先简单的创建Index对象数组

import pandas as pd
​
index=pd.Index([2,3,5,7,11])
print(index)
​
#output:Int64Index([2, 3, 5, 7, 11], dtype='int64')
3.1 将Index看做不可变数组

Index对象的许多操作都类似于数组，可以采用Python标准的取值方法获取数值，也可以通过切片获取数值：

index[1]
#output:3
​
#通过切片获取数值
# 每隔一个值取一个，一下子看蒙了
print(index[::2])
但是，Index对象 里面的值是不可更改的，如果这样：index[0]=1会报错，这就是不可修改的含义。

3.2 将Index看做有序集合

Index对象遵循Python标准库的集合（set）数据结构的许多习惯用法，包括并集、交集、差集等。

indA=pd.Index([1,3,5,7,9])
indB=pd.Index([2,3,5,7,11])
​
# 交集
print(indA&indB)
# 并集
print(indA|indB)
# 异或
print(indA^indB)
​
#output:Int64Index([3, 5, 7], dtype='int64')
#       Int64Index([1, 2, 3, 5, 7, 9, 11], dtype='int64')
#       Int64Index([1, 2, 9, 11], dtype='int64')

https://blog.csdn.net/sir_TI/article/details/83478146