08-pandas 入门-pandas的数据结构

要使用pandas，你首先就得熟悉它的两个主要数据结构：Series和DataFrame。虽然它们并不能解决所有问题，但它们为大多数应用提供了一种可靠的、易于使用的基础。

一、Series

Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成

Series的字符串表现形式为：索引在左边，值在右边。由于我们没有为数据指定索引，于是会自动创建一个0到N-1（N为数据的长度）的整数型索引。

通过Series 的values和index属性获取其数组表示形式和索引对象：

创建series

• 通过指定index索引创建：

• 通过字典创建：

如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）。你可以传入排好序的字典的键以改变顺序：

在这个例子中，sdata中跟states索引相匹配的那3个值会被找出来并放到相应的位置上，但由于"California"所对应的sdata值找不到，所以其结果就为NaN（即“非数字”（not a number），在pandas中，它用于表示缺失或NA值）。因为‘Utah’不在states中，它被从结果中除去。

我将使用缺失（missing）或NA表示缺失数据。pandas的isnull和notnull函数可用于检测缺失数据：

Series也有类似的实例方法：

obj4.isnull()

series的索引

使用NumPy函数或类似NumPy的运算（如根据布尔型数组进行过滤、标量乘法、应用数学函数等）都会保留索引值的链接：

对于许多应用而言，Series最重要的一个功能是，它会根据运算的索引标签自动对齐数据：

数据对齐功能将在后面详细讲解。如果你使用过数据库，你可以认为是类似join的操作。

Series的索引可以通过赋值的方式就地修改：

Series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切：

二、DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。

DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。

DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）

笔记：虽然DataFrame是以二维结构保存数据的，但你仍然可以轻松地将其表示为更高维度的数据（层次化索引的表格型结构，这是pandas中许多高级数据处理功能的关键要素，我们会在第8章讨论这个问题）。

创建DataFrame

普通字典创建

最常用的一种是直接传入一个由等长列表或NumPy数组组成的字典：

结果DataFrame会自动加上索引（跟Series一样），且全部列会被有序排列：

如果指定了列序列，则DataFrame的列就会按照指定顺序进行排列：

如果传入的列在数据中找不到，就会在结果中产生缺失值：

嵌套字典创建

另一种常见的数据形式是嵌套字典：

如果嵌套字典传给DataFrame，pandas就会被解释为：外层字典的键作为列，内层键则作为行索引：

内层字典的键会被合并、排序以形成最终的索引。如果明确指定了索引，则不会这样：

由Series组成的字典差不多也是一样的用法：

表5-1列出了DataFrame构造函数所能接受的各种数据。

获取列/行数据（series）

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series：

frame2[column]适用于任何列的名，但是frame2.column只有在列名是一个合理的Python变量名时才适用。

注意，返回的Series拥有原DataFrame相同的索引，且其name属性也已经被相应地设置好了(默认设置为列索引名称)。

行也可以通过位置或名称的方式进行获取，比如用loc属性（稍后将对此进行详细讲解）：

修改列数据

列可以通过赋值的方式进行修改。

例如，我们可以给那个空的"debt"列赋上一个标量值或一组值：

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：

为不存在的列赋值会创建出一个新列

注意：不能用frame2.eastern创建新的列。

del方法可以用来删除这列：

注意：通过索引方式返回的列只是相应数据的视图而已，并不是副本。因此，对返回的Series所做的任何就地修改全都会反映到源DataFrame上。通过Series的copy方法即可指定复制列。

如果设置了DataFrame的index和columns的name属性，则这些信息也会被显示出来：

跟Series一样，values属性也会以二维ndarray的形式返回DataFrame中的数据：

如果DataFrame各列的数据类型不同，则值数组的dtype就会选用能兼容所有列的数据类型：

三、索引对象

pandas的索引对象负责管理轴标签和其他元数据（比如轴名称等）。构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index：

Index对象是不可变的，因此用户不能对其进行修改

不可变可以使Index对象在多个数据结构之间安全共享：

注意：虽然用户不需要经常使用Index的功能，但是因为一些操作会生成包含被索引化的数据，理解它们的工作原理是很重要的。

除了类似于数组，Index的功能也类似一个固定大小的集合,与python的集合不同，pandas的Index可以包含重复的标签,选择重复的标签，会显示所有的结果。

每个索引都有一些方法和属性，它们可用于设置逻辑并回答有关该索引所包含的数据的常见问题。表5-2列出了这些函数。