PandasBasic基础

Pandas对象

import numpy as np
import pandas as pd

1. Series对象

带有索引数据的一维数组

data = pd.Series([0.25, 0.5, 0.75, 1.0])
data

0    0.25
1    0.50
2    0.75
3    1.00
dtype: float64

从上面看出，数据和索引（第一列）绑定在一起

# values属性返回数据值
data.values

array([0.25, 0.5 , 0.75, 1.  ])

# index属性返回pd.Index索引对象
data.index

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

通过括号索引标签取值

data[1]

0.5

data[1:3]

1    0.50
2    0.75
dtype: float64

(1)用字符串定义索引

Numpy数组是通过隐式定义的整数索引获取值

Series对象是一种显式定义的索引与数值关联

data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
data

a    0.25
b    0.50
c    0.75
d    1.00
dtype: float64

data['b']

0.5

可以使用不连续的索引

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

2    0.25
5    0.50
3    0.75
7    1.00
dtype: float64

data[5]

0.5

(2)Series作为特殊的字典

population_dict = {
   'California': 38332521,
                   'Texas': 26448193,
                   'New York': 19651127,
                   'Florida': 19552860,
                   'Illinois': 12882135}
population = pd.Series(population_dict)
population

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
dtype: int64

索引按照顺序排列，字典取值方法也可用

population['California']

38332521

还可以切片！

population['California':'Illinois']

California    38332521
Texas         26448193
New York      19651127
Florida       19552860
Illinois      12882135
dtype: int64

(3)创建Series对象

>>> pd.Series(data, index=index)

# 可以是列表
pd.Series([2, 4, 6])

0    2
1    4
2    6
dtype: int64

# 可以是标量，会进行自动填充
pd.Series(5, index=[100, 200, 300])

100    5
200    5
300    5
dtype: int64

# 可以是字典
pd.Series({
   2:'a', 1:'b', 3:'c'})

2    a
1    b
3    c
dtype: object