＜Pandas基础入门＞

        Pandas是Python的一个扩展程序库，常用于数据分析。它是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 作为一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算），可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

一、数据结构 - Series

        Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。语法如下：

pandas.Series(
    data  (数据组), 
    index (索引开始位置,默认从0开始), 
    dtype (数据类型，默认pandas会自己判断), 
    name  (设置名称，默认为空), 
    copy  (是否复制数据，默认False)
)

实例：虽然索引可以为字典但是不要使用，否则在读取数据时会报"typeerror"，此处只是为了演示

import pandas as pd

name = ['老王','老李','老刘']

myvar = pd.Series(data=name,index=[1,'a',{'abc':123}],name='人名',copy=False)

print(myvar)

  

根据索引值读取数据，索引目标数据不存在时返回'NaN'：

print(myvar['a'])

  

我们也可以使用 key/value 对象，类似字典来创建 Series：

import pandas as pd

name = {4:'老王',5:'老李',a:'老刘'}

myvar = pd.Series(name)

print(myvar)

我们可以看到，key值自动变成了索引值

  

基于此只需要字典中的一部分数据，只需要指定需要数据的索引即可：

import pandas as pd

name = {4:'老王',5:'老李','a':'老刘'}

myvar = pd.Series(name,index=[1,'a'])

print(myvar)

 

二、数据结构 - 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、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

DataFrame 构造方法如下：