pandas中的数据结构Series和DataFrame

一、Series类

1. 创建一个Series对象

• 通过 pandas.Series 来创建Series数据结构

pandas.Series(data, index, dtype, name)

• data可以为列表，array或者dict；
• index表示索引，必须与数据同长度；
• name代表对象的名称

import numpy as np
import pandas as pd
series1 = pd.Series([2, 8, 3.01, 8.59, 5.18])
# 查看Series1会得到如下输出
"""
0    2.00
1    8.00
2    3.01
3    8.59
4    5.18
dtype: float64
"""

series1 = pd.Series([2, 8, 3.01, 8.59, 5.18], index = ['a','b','c','d','e'], name = 'This is a series')
# 查看series1会得到如下输出
"""
a    2.00
b    8.00
c    3.01
d    8.59
e    5.18
Name: This is a series, dtype: float64
"""

series = pd.Series(np.array([2, 8, 3.01, 8.59, 5.18]), index = ['a','b','c','d','e'])
# 查看series会得到如下输出
"""
a    2.00
b    8.00
c    3.01
d    8.59
e    5.18
dtype: float64
"""

series2 = pd.Series({'北京':3.9,'上海':3.01,'广东':8.99,'武汉':4.11})
# 查看series2会得到如下输出
"""
北京    3.90
上海    3.01
广东    8.99
武汉    4.11
dtype: float64
"""

以上创建Series数据结构的例子说明：
（1）pd.Series 第一个参数 data 可以为列表、array数组、字典dict；
（2）index 可以没有，那索引默认就从0开始；若有规定的索引值，那么索引的长度必须与数据同长度。

2. Series 类的常用属性

● values：返回Series对象所有元素。

● index：返回索引。

● dtypes：返回数据类型。

● shape：返回series数据形状。

● ndim：返回对象的维度。

● size：返回对象的个数。

series2 = pd.Series({'北京':3.9,'上海':3.01,'广东':8.99,'武汉':4.11})
# 查看series2会得到如下输出
"""
北京    3.90
上海    3.01
广东    8.99
武汉    4.11
dtype: float64
"""
# 继续使用这个例子查看Series的相关属性

series3 = pd.Series({'浙江':9.17,'四川':5.24})
series4 = series2.append(series3) # series也有这个功能，相当于把两个序列拼在一起，在末尾添加
# 查看series4可得到：
"""
北京    3.90
上海    3.01
广东    8.99
武汉    4.11
浙江    9.17
四川    5.24
dtype: float64
"""

series2['北京'] = 6.13  # series里面的数据是可以修改的
# 此时再查看series2就是修改过后的：
"""
北京    6.13
上海    3.01
广东    8.99
武汉    4.11
dtype: float64
"""

下面来实现删除数据：



以上例子可以发现，若不加 inplace = True，打印原数据发现并没有变化；加上 inplace = True，原数据才会改变，这是因为：

     修改一个对象时：
           inplace=True：不创建新的对象，直接对原始对象进行修改；
           inplace=False：对数据进行修改，创建并返回新的对象承载其修改结果。

也就是说，不加上 inplace=True 时，会返回一个新的视图，并没有对原数据进行操作。
还有，若想删除两个，可通过列表的形式。

二、DataFrame类

• DataFrame类类似于数据库中的表或Excel中的表结构；
• 既有行索引又有列索引，所以一个series可以看成一个DataFrame里的一列，一个DataFrame可以由多个series构成 。

1. 创建DataFrame数据结构

通过 pandas.DataFrame 来创建 DataFrame 数据结构：

pandas.DataFrame(data, index, dtype, columns)

• data 可为列表、array、dict；
• index 表示行索引
• columns 代表列名或列标签

（1）使用嵌套列表创建一个DataFrame：

嵌套列表里第一个元素是第一行，第二个元素是第二行……每个元素里又有三个数据，所以就是三列。

（2）使用字典创建DataFrame：

通过向DataFrame里传入一个字典的形式，字典的键就作为变量名称也就是列名，所对应的值也就是列名下的数据。

（3）通过数组结构创建 DataFrame：

• 数组结构本身也是一个嵌套列表
• 索引的长度必须和columns的长度相同，否则可能会报错

2. DataFrame的相关属性

● values：以数组的形式输出 DataFrame 的数据。

● index：返回数据集的列标签。

● dtypes：返回每一列的数据类型。

● shape：返回 DataFrame 数据形状（即几行几列）。

● ndim：返回对象的维度。

● size：返回对象的元素个数。

● columns：输出数据集有哪些列。