pandas两个数据结构Series与DataFrame使用

seires 对象

1.创建一个series对象 Series()

语法：s=pd.Series(data,index=index)

参数说明：　

data：表示数据，支持Python字典、多维数组、标量值（即只有大小，没有方向的量。也就是说，只是一个数值，如s=pd.Series(5)）　

index：表示行标签（索引）　

返回值：Series对象

注意：data参数是多维数组时，index的长度必须与data长度一致，如果没有指定index参数，会自动创建数值型索引（从0~data数据长度-1）

2.手动设置series索引

手动设置series索引通过index参数设置，index=[]

3.series位置索引

位置索引是从0开始的，以此类推

import pandas as pd
s1=pd.Series([88,60,75])
print(s1[0])

运行结果 ：88 

注意：series不能使用[-1]定位索引

4.series标签索引

Series标签索引与位置索引方法类似，用[ ]表示，里面是索引名称，注意index的数据类型是字符串，如果需要获取多个标签索引值，用[[ ]]表示

5.series切片索引

用标签索引做切片，包头包尾（即包含索引开始位置的数据，也包含索引结束位置的数据）

用位置索引做切片，和list列表用法一样，包头不包尾（即包含索引开始位置的数据，不包含索引结束位置的数据）

s2=pd.Series([88,60,75,34,68])
print(s2[1:4])

运行结果：1 60 2 75 3 34  

6.获取series索引和值

获取Series索引和值主要使用Series的index和values方法

import pandas as pd
s1=pd.Series([88,60,75])
print(s1.index)
print(s1.values)

 运行结果：RangeIndex(start=0, stop=3, step=1) [88 60 75]

---

DataFrame对象

1.创建一个DataFrame对象

语法：pandas.DataFrame(data,index,columns,dtype,copy)

参数说明：　

data：表示数据，可以是ndarray数组、Series对象、列表、字典等。　

index：表示行标签（索引）。

columns：列标签（索引）。　

dtype：每一列数据的数据类型，其与Python数据类型有所不同，如object数据类型对应的是Python的字符型

通过二维数组创建数据

data=[[1,2,3,4],[3,4,5,6],[4,5,6,7]]
index=[0,1,2]
columns=['语文','数学','英语','地理']
df=pd.DataFrame(data=data,index=index,columns=columns)
df

通过字典创建

pd.DataFrame({columns:[data数据]}，index=[])

pd.set_option('display.unicode.east_asian_width',True)
df=pd.DataFrame({
    '语文':[110,106,88],
    '数学':[65,57,43],
    '英语':[78,89,90]
},index=[0,1,2])
df

注意：字典中的value值只能是一维数组或单个的简单数据类型，如果是数组，要求所有数组长度一致；如果是单个数据，则每行都添加相同数据。

2.导入外部数据

1.导入.xls或.xlsx文件   导入Excel文件 read_excel()

参数：

io：字符串，.xls或.xlsx文件路径或类文件对象。　

sheet_name：None、字符串、整数、字符串列表或整数列表，默认值为0。字符串用于工作表名称，整数为索引表示工作表位置，字符串列表或整数列表用于请求多个工作表，为None时获取所有工作表

header：指定作为列名的行，默认值为0，即取第一行的值为列名。数据为除列名以外的数据；若数据不包含列名，则设置header=None。　

names：默认值为None，要使用的列名列表。　

index_col：指定列为行索引，默认值为None，索引0是DataFrame的行标签。

usecols：int、list列表或字符串，默认值为None。　如果为None，则解析所有列。　如果为int，则解析最后一列。　如果为list列表，则解析列号列表的列。　如果为字符串，则表示以逗号分隔的Excel列字母和列范围列表（例如“A:E”或“A,C,E:F”）。范围包括双方。　

df2=pd.read_excel('1.xlsx',usecols=['姓名','生日','班级'])
df2

 

 

squeeze：/skwiːz/ 布尔值，默认值为False，如果解析的数据只包含一列，则返回一个Series。　

dtype：列的数据类型名称或字典，默认值为None。例如{'a':np.float64,'b':np.int32}。　

nrows:/rəʊz/导入前多少行

skiprows：省略指定行数的数据，从第一行开始。

skipfooter：省略指定行数的数据，从尾部数的行开始

df2=pd.read_excel('1.xlsx',sheet_name=1)
df2

2.导入.csv文件  .txt文件 read_csv()

常用参数说明：　

filepath_or_buffer：字符串，文件路径，也可以是URL链接。　

sep、delimiter：字符串，分隔符。

header：指定作为列名的行，默认值为0，即取第1行的值为列名。数据为除列名以外的数据；若数据不包含列名，则设置header=None。　

names：默认值为None，要使用的列名列表。　

index_col：指定列为索引列，默认值为None，索引0是DataFrame的行标签。　

usecols：int、list列表或字符串，默认值为None。　如果为None，则解析所有列。　如果为int，则解析最后一列。　如果为list列表，则解析列号列表的列。　如果为字符串，则表示以逗号分隔的Excel列字母和列范围列表（例如“A:E”或“A,C,E:F”）。范围包括双方。　dtype：列的数据类型名称或字典，默认值为None。例如{'a':np.float64,'b':np.int32}

parse_dates：布尔类型值、int类型值的列表、列表或字典，默认值为False。可以通过parse_dates参数直接将某列转换成datetime64日期类型。例如，df1=pd.read_csv('1月.csv', parse_dates=['订单付款时间'])。　

parse_dates为True时，尝试解析索引。　

parse_dates为int类型值组成的列表时，如[1,2,3]，则解析1、2、3列的值作为独立的日期列。　

parse_date为列表组成的列表，如[[1,3]]，则将1、3列合并，作为一个日期列使用。

df=pd.read_csv('data.csv',encoding='gbk',parse_dates=[0,1,2,3])
df

parse_date为字典时，如{'总计'：[1, 3]}，则将1、3列合并，合并后的列名为“总计”。　

encoding：字符串，默认值为None，文件的编码格式。Python常用的编码格式是UTF-8。　中文编码：'gbk'

df=pd.read_csv('data.csv',encoding='gbk')
df

3.导入html文件 read_html()

常用参数说明：　

io：字符串，文件路径，也可以是URL链接。网址不接受https，可以尝试去掉https中的s后爬取

match：正则表达式，返回与正则表达式匹配的表格。　

flavor：/ˈfleɪvə(r)/解析器默认为lxml。　

header：指定列标题所在的行，列表list为多重索引。　

index_col：指定行标题对应的列，列表list为多重索引。　

encoding：字符串，默认为None，文件的编码格式。

2.数据抽取 loc（）和iloc（）

区别：

loc属性：以列名（columns）和行名（index）作为参数，当只有一个参数时，默认是行名，即抽取整行数据，包括所有列

iloc属性：以行和列位置索引（即0，1，2，…)作为参数，0表示第1行，1表示第2行，以此类推。当只有一个参数时，默认是行索引，即抽取整行数据，包括所有列

抽取多行数据

通过loc属性和iloc属性指定行名和行索引即可实现抽取任意多行数据

df1=df.loc[['小明','小兰']]
df1

df1=df.iloc[[0,2]]
df1

如果想要连续的抽取多行数据，使用“：”

df1=df.loc['小明':'小兰']
df1

抽取指定行和列

df.loc/iloc[行，列]，如果想要获取所有行或者列，可以使用：获取

df1=df[['语文','数学']]
df1

df1=df.loc[:,['语文','数学']]
df1

df1=df.iloc[:,[0,2]]
df1

 按指定条件抽取数据

df1=df.loc[(df['语文']>100)&(df