import numpy as np #用于计算
import pandas as pd #用于数据处理
1、定义数组
(1) 一维数组
data1=pd.Series([1,2,3])
print(data1)
#使用python中的range( , )
data1=pd.Series(range(1,10))
print(data1)
#使用numpy
array1=np.array([1,2,3])
data1=pd.Series(array1) # numpy数组转pandas数组
data2=pd.Series(np.arange(1,11))
print(data1)
print(data2)
#延伸知识:生成时间学列
#freq:要生成的日期的频次,频次是指两个相邻日期间隔时间,可以是5小时:“5H",1天: "D",3个月:"3M"
date_list=pd.date_range(start='20200325',periods=7, freq="7D") #开始时间、周期、频率
date_list2=pd.date_range(end='20200325',periods=7, freq="7D") #开始时间、周期、频率 往前推
print (date_list)
print (date_list2)
(2) 二维数组
# 直接定义
data2=pd.DataFrame([
[1,2,3],
[4,5,6]
])
# 使用numpy
data2=pd.DataFrame(np.arange(0,6))
data2=pd.DataFrame(np.arange(0,6).reshape((2,3)))
print(data2)
2、自定义索引
(1) 一维数组,index
# 直接给出
data1=pd.Series(range(1,4),index=['a','b','c'])
data1=pd.Series(range(1,4),index=[chr(i) for i in range(97,123)]) #索引为26个小写字母 65-91为大写字母
# 使用python中的range()
data1=pd.Series(['张三','李四','王五'],index=range(1,4)) #元素个数与索引数必须相同
# 使用numpy
data1=pd.Series(['张三','李四','王五'],index=np.arange(1,4)) #索引为numpy数组,必须是一维
print(data1)
(2) 二维数组,行:index= , 列:colums
data2=pd.DataFrame([['张三','张阿姨','张叔叔'],
['李四','李阿姨','李叔叔'],
['王五','王阿姨'