学习笔记 | Ch03 pandas入门和实战1 —— Series、DataFrame、索引

3.1 pandas数据结构：Series和DataFrame

3.1.1 创建Series数据

• Series数据结构类似于一维数组，但它是由一组数据(各种Numpy数据类型)和一组对应的索引组成。通过一组列表数据即可产生最简单的Series数据。
• Series与普通的一维数组相比，其具有索引对象，可通过索引来获取Series的单个或一组值。
• Series数据：索引在左边，值在右边。
• 如果没有指定一组数据作为索引的话，Series数据会以0到N-1(N为数据的长度)作为索引，也可以通过指定索引的方法来创建Series数据。
• Series有values和index属性，可返还值数据的数组形式和索引对象。
• Series运算都会保留索引和值之间的链接。
• Series数据中的索引和值一一对应，类似于Python字典数据，所以也可以通过字典数据来创建Series。
• 由于字典结构是无序的，因此这里返回的Series也是无序的，这里依旧可以通过index指定索引的排序顺序。
• Series对象和索引都有name属性，这样我们就可以给Series定义名称，让Series更具可读性。

from pandas import Series,DataFrame
import pandas as pd

obj = Series([1,-2,3,-4])
obj

0    1
1   -2
2    3
3   -4
dtype: int64

obj2 = Series([1,-2,3,-4],index=['a','b','c','d'])
obj2

a    1
b   -2
c    3
d   -4
dtype: int64

obj2.values

array([ 1, -2,  3, -4])

obj2.index

Index(['a', 'b', 'c', 'd'], dtype='object')

obj2['b']

-2

obj2['c'] = 23
obj2[['c','d']]

c    23
d    -4
dtype: int64

obj2

a     1
b    -2
c    23
d    -4
dtype: int64

obj2[obj2<0]

b   -2
d   -4
dtype: int64

obj2*2

a     2
b    -4
c    46
d    -8
dtype: int64

import numpy as np
np.abs(obj2)

a     1
b     2
c    23
d     4
dtype: int64

data = {
   
    '张三':92,
    '李四':78,
    '王五':68,
    '小明':82
}
obj3 = Series(data)
obj3

张三    92
李四    78
王五    68
小明    82
dtype: int64

data = [92,78,68,82]
names = ['张三','李四','王五','小明']
obj4 = Series(data,index=names)
obj4.name = 'math'
obj4.index.name = 'students'
obj4

students
张三    92
李四    78
王五    68
小明    82
Name: math, dtype: int64

3.1.2 创建DataFrame数据

• DataFrame为表格型数据。 创建DataFrame数据的办法有很多，最常用是传入由数组、列表或元组组成的字典。
• DataFrame数据有行索引和列索引，行索引类似于Excel表格中每行的编号，列索引类似于Excel表格的列名。
• 由于字典是无序的，因此可以通过columns指定列索引的排序顺序。
• 当没有指定行索引的情况下，会使用0到N-1作为行索引，这里也可以使用其他数据作为行索引。
• 使用嵌套字典的数据也可以创建DataFrame数据。
• 创建DataFrame数据可输入的数据类型。
  
• 可以设置索引名称和表格名称，通过设置DataFrame的index和columns的name属性，可以将这些信息显示出来。
• 通过values属性可以将DataFrame数据转换为二维数组。