day2,基础篇2

接着上一篇写，仍然有部分任务跳过

任务一DateFrame和Series

自行查阅资料了解

资料1

资料2

资料3

以下内容来源于讯飞

Pandas中的DataFrame和Series是两种核心的数据结构，**它们用于数据处理和分析**。以下是关于这两种数据结构的详细介绍：

1. DataFrame:
   - **定义**：DataFrame是一个表格型的数据结构，可以看作是一个Excel表格或SQL表。它由一组有序的列构成，这些列可以是不同的数据类型，如数值、字符串或布尔值。
   - **索引**：DataFrame既有行索引也有列索引，这使得它在二维标签化数据方面非常灵活。
   - **创建**：可以通过多种方式创建DataFrame，包括通过字典、通过另一个DataFrame、或者直接指定数据和列索引等方法来创建。
   - **操作**：DataFrame支持各种操作，如取某一列、某几列、某行，以及更复杂的数据操作比如分组、合并、重塑等。

2. **Series**:
   - **定义**：Series类似于一维数组对象，它包含一组值和对应的索引。Series可以被视为带标签的一维数组，这些标签也被称为索引。
   - **索引**：Series只有行索引，这意味着它是一维的，并且每个值都有一个与之关联的索引标签。
   - **创建**：可以通过列表、字典等方式创建Series。当使用字典创建时，字典的键会成为索引，而值会成为Series中的数据。
   - **性能**：Series在性能上类似于Numpy的ndarray，同时也提供了类似字典的访问方式，可以通过索引标签快速获取数据。

总的来说，DataFrame适合处理表格形式的数据，而Series则更适合处理一维数据序列。两者都是建立在Numpy基础之上的，因此在性能上非常高效，是进行数据分析不可或缺的工具。在实际应用中，DataFrame和Series常常配合使用，以完成更为复杂的数据处理任务。

ps：我认为简单看看有点印象就行

练习

简单写一个关于二者的小例子

官方给的例子以及运行结果

#我们举的例子
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
example_2 = pd.DataFrame(data)
example_2

 理解：创建三个数据框/“字典”

ps：这里和字典很像，但不是，可以理解成字典

举例：

s2 = pd.Series(list(range(1,8)))
s2

默认列名还有索引，值是range里的。

列名是1，索引是0开始。

import pandas as pd

# 创建Series
temperatures = pd.Series([25, 28, 30, 26, 24], index=['北京', '上海', '广州', '深圳', '杭州'])

print(temperatures)

任务二到六

删除指定列可以用pop，dwl，drop

输出指定列的值

思考题

iloc与loc的区别

简单来讲，一个通过标签（loc）一个通过位置（iloc）。

• loc 是通过标签（label）进行索引，例如，df.loc[row_labels, col_labels]。这里的 row_labels 是行标签，col_labels 是列标签。

• iloc 是通过位置（integer position）进行索引，例如，df.iloc[row_positions, col_positions]。这里的 row_positions 是行位置，col_positions 是列位置。

具体来说，假设有一个DataFrame df，其行标签为 ['A', 'B', 'C']，列标签为 ['X', 'Y', 'Z']，如果你想选择第一行和第二列，你可以这样做：

• 使用 loc: df.loc['A', 'Y']

• 使用 iloc: df.iloc[0, 1]

midage_row_100 = midage.iloc[99][['Pclass', 'Sex']]  
print(midage_row_100)midage_row_100 = midage.iloc[99][['Pclass', 'Sex']]  
print(midage_row_100)
selected_rows = midage.loc[[99, 104, 107], ['Pclass', 'Name', 'Sex']]  # 注意这里的索引与iloc不同，是直接使用标签索引  
print(selected_rows)