Python的pandas库的用法（二）操作行、列和单元格

Series是pandas的一种数据结构

# eg.1

s1 = pd.Series()  #实例化一个Series

# s1.data()
# s1.name()
# # s1.index

对于Series比较重要的是它的data 、name 、index

FutureWarning: Series.data is deprecated and will be removed in a future version（Series.data在为了一个版本会被去掉）

Series和dictionary很像，dictionary由 key、value、 pair组成的

# eg.2

d = {'x':100,'y':200,'z':300} # dictionay
print(d.keys())
print(d.values())
print(d['x'])     # 通过key（）： 'x' 访问到value（） ：100 

可以把dictionary转变为Series

dictionary的keys转化为Series的index，values转化为data

# eg.3

d = {'x':100,'y':200,'z':300}
s1 = pd.Series(d) 
print(s1)

创建Series的其他方法

# eg.4

L1=[100,200,300]
L2=['x','y','z']
s1 = pd.Series(L1,index = L2)
print(s1)

or：

# eg.5

s2 = pd.Series([100,200,300],['x','y','z'])
print(s2)

 

output：

 

本节的重点：

到此，我们已经掌握了如何创建Series，但是Series到底表示行还是列呢？ 只有将它加到DataFranme里我们才能确定它是行还是列。今天研究一下怎么用pandas生成下面的表格。

# eg.6

s1 = pd.Series([1,2,3],index=[1,2,3],name='A')
s2 = pd.Series([10,20,30],index=[1,2,3],name='B')
s3 = pd.Series([100,200,300],index=[1,2,3],name='C')

df = pd.DataFrame({s1.name:s1,s2.name:s2,s3.name:s3})
print(df)

# 以dictionary的形式加到DataFrame ，Series 是列

output：

 

# eg.7

s1 = pd.Series([1,2,3],index=[1,2,3],name='A')
s2 = pd.Series([10,20,30],index=[1,2,3],name='B')
s3 = pd.Series([100,200,300],index=[1,2,3],name='C')

df = pd.DataFrame([s1,s2,s3])
print(df)

# 以list的形式加到DataFrame ，Series 是行

output：

 

小拓展：观察上面的eg6以及它的输出我们可以知道，每个Series和DataFrame它们都有自己的index，index之间有何关系？

index之间存在一种“对齐关系”：index相同的值对成一行

# eg.8

s1 = pd.Series([1,2,3],index=[1,2,3],name='A')
s2 = pd.Series([10,20,30],index=[1,2,3],name='B')
s3 = pd.Series([100,200,300],index=[2,3,4],name='C') # index =[2,3,4]

df = pd.DataFrame([s1,s2,s3])
print(df)