Python疑难杂症（17）---介绍Python的pandas模块特点、安装以及series的创建和元素值的获取等。对于一维数据和使用有了初步的概念

1、定义

什么是Pandas：Pandas是Python中用于数据分析和挖掘的基础模块，它提供了丰富的功能和方法，使用 Pandas 包可以完成数据读入、数据清洗、数据准备、图表呈现等内容，使普通的非数据专业人员也能够处理和分析大型数据集，展示数据之间的关联关系。

2、特点：

1、pandas模块是在numpy的基础上构建的，速度快（层算法都用 Cython优化过）、有大量直接操作每个元素的函数；

2、常常和Matplotlib，seaborn，statsmodels，scikit-learn等包一起使用；

3、相比于numpy，pandas更擅长处理表格型（Tabular data）数据，表格中每列数据类型可以不一致，numpy数组规定数据类型需要一致；

4、主要有两种数据结构：一维Series（类似numpy.ndarray）带行标签，二维DataFrame（类似二位表格），同时带行标签和列标签；

关于pandas的使用可以在这里搜索，点击戳：https://pandas.pydata.org/pandas-docs/stable/reference/index.html 。

3、安装：

    和其他的模块一样使用简单的命令，既可以安装到内存，

pip install pandas

在pandas中，有两种数据类型，分别是Series对象、DataFrame对象，这可以是Python的外置数据类型，需要操作和方法都是基于此两种类型的基础之上。

4、Series对象创建

Series：可以认为是一维数组,和Numpy中的一维array类似。，是由一组数据(各种 NumPy 数据类型)以及一组与之相关的索引组成。

可以由一组数据产生简单的 Series 对象，用值列表生成 Series ，而Pandas 默认自动生成整数索引，也可以指定索引值。

在Series（含下面的DataFrame对象）中存在两个属性 values 和index，values:是Series对象的，是原始数据。index:对应了Series对象的索引对象，可以来定位values的具体值。

创建一个Series一维数组，索引为缺省值。

函数：

pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

data：python中的字典、可迭代对象、numpy.ndarry或者标量值

index：可选项，默认为列表[0, ..., len(data) - 1]，可以自己传入

dtype：可选项，设置数据类型

可以通过指定数据集和索引集来创建serise数据类型。

举例：

datadf=pd.Series([10,20,30,40,50,60])

datadf

输出：

0    10

1    20

2    30

3    40

4    50

5    60

dtype: int64

索引取元素值：

print(datadf[2:4])

print(datadf[2])

输出：

2    30

3    40

dtype: int64

30

取出全部索引和值域：

datadf.index

输出：RangeIndex(start=0, stop=6, step=1)

datadf.values

输出：array([10, 20, 30, 40, 50, 60], dtype=int64)

建立表，指定索引值

datadf=pd.Series([10,20,30,40,50,60],index=['a','b','c','d','f','g'])

datadf

输出：a    10

b    20

c    30

d    40

f    50

g    60

dtype: int64

print(datadf['c'])

输出：30

pandas.Series类似于numpy.ndarry的性能，可以查看数据类型（dtype）、形状（shape）、维度（ndim）、元素个数（size）、索引、切片、布尔过滤等。

本部分介绍了python语言的pandas模块的定义、特点概念以及一维表格series的调创建和初步元素的访问，为深入学习数据框打下基础。

欢迎点赞、收藏和关注。--------现在码字太难了。