pandas数据存储结构

pd.Series()

定义及参数设置：

Series() 是 一维数据结构，包含行索引和数据两个部分。

import pandas as pd

s = pd.Series(data = [100, 'a', {'dic1':5}],
              index = pd.Index(['id1', 20, 'third'], name='index_name'),
              dtype = 'object',
              name = 'pd.Series_name')
print(s)

运行结果：

index_name
id1              100
20                 a
third    {'dic1': 5}
Name: pd.Series_name, dtype: object（属于混合数据类型）

数据获取

由属性参数获取index 和 values

1. 变量名.values = pd.Series 中的 data 部分。

s.values

2. 变量名.index = pd.Series 中的 index部分。

s.index

3. 变量名.dtype= pd.Series 中的 dtype部分。

s.dtype

4. 变量名.name= pd.Series 中的 name部分。

s.name

5. 变量名.shape= pd.Series 的 形状（长度）

s.shape
#运行结果：
#(3,)

因为pd,Series() 是一维数据类型，所以（行元素的个数，），这里的 3 指得是行元素的个数

index和values之间的相互获取

1. 由下标index获得值values
   变量名[ index取值 ] = 对应下标的data数据。

s[20]
# 运行结果：
# a 

2. 由值获得下标
   Series数据[ 变量名.values == 值 ].index
   Series数据[ 变量名.values == 值 ].index [ 0 ]

import pandas as pd
s = pd.Series(data = [100, 'a', {'dic1':5}],
              index = pd.Index(['id1', 20, 'third'], name='index_name'),
              dtype = 'object',
              name = 'pd.Series_name')
print(s[s.values == 100].index)
print(s[s.values == 100].index[0])

运行结果：

Index(['id1'], dtype='object', name='index_name')
id1

pd.DataFrame()

定义：

pd.DataFrame() 二维数据结构，包含带索引的多列数据，各列的数据类型可能不同。
该存储结构的参数有：
data， index ， columns, dtype

import pandas as pd
df = pd.DataFrame(data = {'col_0': [1,2,3],
                          'col_1':list('abc'),
                          'col_2': [1.2, 2.2, 3.2]},
                  index = ['row_%d'%i for i in range(3)])
print(df)

文件读取的数据类型：

import pandas as pd

data_read_path =r"F:\joyful-pandas-master\data\my_csv.csv"

data = pd.read_csv(data_read_path, encoding="gbk")
data1 = pd.DataFrame(data)
print(type(data))
print(type(data1))

运行结果：

<class 'pandas.core.frame.DataFrame'>  # print(type(data))
<class 'pandas.core.frame.DataFrame'>  # print(type(data1))

解释：直接对文件进行读取操作，pandas会自动选择数据的存储类型。

数据获取

参数获取同Series结构一样
举例：

df.shape
# 运行结果：
# (3, 3)  （行元素个数， 列元素个数）

 (3, 3)  代表（行元素个数， 列元素个数）

另外，可以通过 .T 可以把 DataFrame 进行转置

df.T

运行结果：

		row_0 row_1 row_2
col_0 	1     2     3
col_1	a     b     c
col_2 	1.2   2.2   3.2

根据需要获取数据
变量名[ 筛选条件 ]
注意中括号的数量：

df[["col_1", "col_2"]]  # 正确
df["col_1", "col_2"]  # 错误写法