知识点总结 2022-8-19

Series对象

Series是Python的Pandas库中的一种数据结构，它类似一维数组，由一组数据以及与这组数据相关的标签（即索引）组成，或者仅有一组数据而没有索引也可以创建一个简单的Series对象。Series可以存储整数、浮点数、字符串、Python对象等多种类型的数据。
 

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

获取Series的索引和值

获取Series的索引和值主要使用Series对象的index（函数）和values属性。

import pandas as pd
s1=pd.Series([80, 60, 75])
print(s1.values)
print(s1.index)

[80 60 75]
RangeIndex(start=0, stop=3, step=1)

DataFrame是Pandas库中的一种数据结构，它是由多种类型的列组成的二维表数据结构，类似于Excel、SQL或Series对象构成的字典。DataFrame是最常用的Pandas对象，它与Series对象一样支持多种类型的数据。

Dataframe既有行索引也有列索引，它可以看作是由Series对象组成的字典，不过这些Series对象共用一个索引。

导入HTML网页

导入HTML网页数据主要使用Pandas的read_html方法，该方法用于导入带有table标签的网页表格数据

pandas.read_html()参数自行查询

使用read_html方法前，首先要确定网页表格是否为table标签。右键检查表格元素，查看代码是否含有<table>...</table>字样，确定后才可以使用。
 

import pandas as pd
df = pd.DataFrame()
url_list = ['http://www.espn.com/nba/salaries/_/seasontype/4']
for i in range(2, 13):
    url = 'http://www.espn.com/nba/salaries/_/page/%s/seasontype/4' % i
    url_list.append(url)
#遍历网页中的table读取网页表格数据
for url in url_list:
    df = df.append(pd.read_html(url), ignore_index=True)
#列表解析：遍历dataframe第3列，以子字符串$开头
df = df[[x.startswith('$') for x in df[3]]]
print(df)
df.to_csv('NBA.csv',header=['RK','NAME','TEAM','SALARY'], index=False)

       0                      1                      2            3
1      1      Stephen Curry, PG  Golden State Warriors  $48,070,014
2      2  Russell Westbrook, PG     Los Angeles Lakers  $47,063,478
3      3       LeBron James, SF     Los Angeles Lakers  $44,474,988
4      4       Kevin Durant, PF          Brooklyn Nets  $44,119,845
5      5       Bradley Beal, SG     Washington Wizards  $43,279,250