【Python数据分析】Pandas-Series与DataFrame数据结构

1. Pandas数据结构

1.1 Series数据结构

1.1.1 定义

Series是一种类似于一维数组的对象，由一组数据及一组与之相关的数据标签（即索引）组成

1.1.2 创建Series

1.1.2.1 传入一个列表

import pandas as pd
S1 = pd.Series(["a", "b", "c", "d"])

结果：

注：

1. 如果只是传入一个列表不指定标签，那么Series会默认使用从0开始的数做数据标签
2. 直接传入一个列表会使用默认索引，也可以通过index参数来自定义索引

import pandas as pd
S2 = pd.Series(["1", "2", "3", "4"], index = ["a", "b", "c", "d"])

结果：

1.1.2.2 传入一个字典

也可以将数据与数据标签以key：value的形式传入，这样字典的key值就是数据标签，value就是数据值

import pandas as pd
S3 = pd.Series({"a":1, "b":2, "c":3, "d":4})

结果：

1.1.2.3 利用index方法获取索引值

直接利用index方法就可以获取Series的索引值

S1.index
S3.index

结果

1.1.2.4 利用values方法获取Series的值

S1.values
S3.values

结果：

1.2 DataFrame表格型数据结构

1.2.1 DataFrame定义

Series是由一组数据与一组索引（行索引）组成的数据结构，而DataFrame是由一组数据和一对索引（行索引和列索引）组成的表格型数据结构。

1.2.2 DataFrame创建

1.2.2.1 传入一个列表

import pandas as pd
df1 = pd.DataFrame(["a", "b", "c", "d"])

结果：

注：
只传入一个单一列表时，该列表的值就会显示成一列，且行和列都是从零开始的默认索引

1.2.2.2 传入一个嵌套列表

import pandas as pd
df2 = pd.DataFrame([["a","A"],["b","B"],["c","C"],["d","D"]])

结果：

注：
当传入一个嵌套列表时，会根据嵌套列表数显示成多列数据，行、列索引同样是从零开始的默认索引。列表里面嵌套的列表也可以换成元组

import pandas as pd
df2 = pd.DataFrame([("a","A"),("b","B"),("c", "C"),("d", "D")])

结果：

1.2.2.3 指定行、列索引

如果只给DataFrame()方法传入列表，DataFrame()方法的行、列索引都是默认值，则可以通过设置columns参数自定义列索引，设置index参数自定义行索引

import pandas as pd
df3 = pd.DataFrame([("a","A"),("b","B"),("c", "C"),("d", "D")], columns=["小写","大写"], index=["一","二","三","四"])

结果：

1.2.2.4 传入一个字典

直接以字典的形式传入DataFrame时，字典的key值就相当于列索引，这个时候如果还没有设置行索引，行索引还是使用从零开始的默认索引，同样可以使用index参数自定义行索引

import pandas as pd
data = {"小写":["a","b","c","d"],"大写":["A","B","C","D"]}
df4 = pd.DataFrame(data, index=["一","二","三","四"])

结果：

1.2.3 获取DataFrame的行、列索引

1、利用columns方法获取DataFrame的列索引

df3.columns

2、利用index方法获取DataFrame的行索引

df4.index