Pandas之Series和DataFrame

Pandas的数据结构分析

Pandas中有两个主要的数据结构：Series 和 DataFrame，其中 Series 是一维的数据结构，DataFrame 是二维的、表格性的数据结构

Series

Series是一个类似于一维数组的对象，它能够保存任何数据类型，主要有一组数据和与之相关的索引两部分组成，如图：

创建Series对象

Pandas 的 Series 对象可以使用以下构造方法创建

class pandas.series(data=None, index=None, dtype=None,name=None,copy=False,fastpath=False)

# data : 传入的数据，可以是 ndarray, list（必须）
# index: 索引（非必须）
# dtype: 指定数据的数据类型（非必须）
# copy：是否复制数据，默认是 False（非必须）

1. 传入列表构造 Series 对象，不传入 index 参数，此时默认会创建一个 0~N 的整数索引

import pandas as pd
ser_obj = pd.Series([1,2,3,4])
ser_obj

2. 指定索引创建 Series 对象，索引必须是唯一的，且与数据的长度相同

ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj

3. 使用 dict 进行构建

student_data = {1:"小明", 2:"小张", 3:"小李", 4:"小乐"}
ser_obj = pd.Series(student_data)
ser_obj

4. 指定数据类型

ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'],dtype='float64')
ser_obj

获取Series对象的索引和数据

获取 Series 对象的索引和数据，可以分别使用 Series 对象的 index属性和value属性获取，索引和数据都是以对象的形式存在

ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj.index		# 获取索引对象

ser_obj.values		#获取数据

获取单个值可以直接索引默认的索引

arr_obj[2]

DataFrame

DataFrame是一个类似于二维数组或表格的对象，它的每列数据可以是不同的数据类型。与Series对象相似，DataFrame 的结构也是由索引和数据组成的，不同的是，DataFrame 不仅有行索引，还有列索引

创建DataFrame

Pandas 的 DataFrame 类对象可以使用以下的构造方法创建：

pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
# columns :列标签，如果没有传入索引参数，则默认会自动创建一个从0 ~ N的整数索引

其余参数的含义和 Series构造方法中的参数的含义一样

1. 不指定索引创建,行索引列索引都是默认的

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']])
df_obj

2. 指定索引创建

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj

获取DataFrame 对象的索引和数据

获取行索引和列索引

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj.index		# 行索引

df_obj.columns		# 列索引

获取数据

获取列的两种方法

1. 通过列索引获取列数据

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=[1,2,3,4])
df_obj

df_obj[1]

2. 通过属性获取列数据

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj

df_obj.c1

获取行的两种方法

1. loc[行标签名]

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj

df_obj.loc['x']

2. iloc[默认整数索引]

 df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj

df.iloc[1]

添加和删除数据

添加数据

要想为DataFrame添加一列数据，可以通过给列索引或者列名赋值的方式实现。新增列的长度必须和其他列的长度保持一致

 df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj

df_obj['c5'] = ['s','b']
df_obj

删除数据

要想删除一列数据，则可以使用del语句实现

df_obj = pd.DataFrame([['a','b','c','d'],['e','f','g','h']],index=['x','y'],columns=['c1','c2','c3','c4'])
df_obj

del df_obj[c1]
df_obj