Pandas的数据结构分析

import numpy as np
import pandas as pd

Series 

Series 1、是一种类似于一维数组的对象，组成： 一组数据（各种NumPy数据类型） 一组与之对应的索引（数据标签） 索引(index)在左，数据(values)在右 索引是自动创建的。

示例：

ser_obj = pd.Series(range(10,30))
print(ser_obj)
print(ser_obj.head(3))
print(type(ser_obj))

 

Series 2、 通过dict构建Series

范例

dict = {1000:"hello",2000:"world",3000:"!"}

ser_obj = pd.Series(dict)

print(ser_obj)  

 

DataFrame

一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，数据是以二维结构存放的。 类似多维数组/表格数据 (如，excel, R中的data.frame) 每列数据可以是不同的类型 索引包括列索引和行索引

1，示例：

1、通过list构建Series
ser_obj = pd.Series(range(10,30))
不指定索引的话，默认从0开始
范例
print(ser_obj)
print(ser_obj.head(3)) #打印前三行数据
print(type(ser_obj)) #打印数据类型

 

 DtataFrame 1. 通过ndarray构建DataFrame

范例

arr_obj = np.random.rand(3,4)

df_obj = pd.DataFrame(arr_obj)

print(df_obj)

print(df_obj.head(2)) #看前两行

2. 通过dict构建DataFrame 范例

dict = {    

"A":1,    

"B":pd.Timestamp("20171212"),    

"C":pd.Series(range(10,14),dtype="float64"),    

"D":["python","java","c++","c"], 

"E":np.array([3] *4,dtype="int32"),    

"F":"Qiku" }

df_obj = pd.DataFrame(dict)

print(df_obj)