Python之Pandas库（1）——Pandas数据结构

本博客为《利用Python进行数据分析》的读书笔记，请勿转载用于其他商业用途。

1、Series

Series是一种一维的数组型对象，它包含了一个值序列，并且包含了数据标签，称为索引（index）。最简单的序列可以仅仅由一个数组形成：

import pandas as pd

obj = pd.Series([4, 7, -5, 3])
print(obj)

#
0    4
1    7
2   -5
3    3
dtype: int64

交互式环境中Series的字符串表示，索引在左边，值在右边。由于不为数据指定索引，默认生成的索引是从0到N-1（N是数据的长度）。我们可以通过values属性和index属性分别获得Series对象的值和索引：

print(obj.values)
print(obj.index)

#
[ 4  7 -5  3]
RangeIndex(start=0, stop=4, step=1)

通常需要创建一个索引序列，用标签标识每个数据点：

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
print(obj2)
print(obj2.index)

#
d    4
b    7
a   -5
c    3
dtype: int64
Index(['d', 'b', 'a', 'c'], dtype='object')

与Numpy相比，我们可以在从数据中选择数据的时候使用标签来进行索引：

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
print(obj2['a'])

obj2['d'] = 6
print(obj2[['c', 'a', 'd']])

#
-5
c    3
a   -5
d    6
dtype: int64

这里需要注意的是，我们在输出obj2索引为 c、a、d的值时，使用了2个中括号。['c', 'a', 'd']包含的不是数字而是字符串，作为索引列表。

使用Numpy的函数或Numpy风格的操作，比如使用布尔值数组进行过滤，与标量相乘，或是应用数学函数，这些操作将保存索引值链接：

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
print(obj2[obj2 > 0])
print(obj2 * 2)
print(np.exp(obj2))

#
d    4
b    7
c    3
dtype: int64

d     8
b    14
a   -10
c     6
dtype: int64

d      54.598150
b    1096.633158
a       0.006738
c      20.085537
dtype: float64

从另一个角度考虑Series，可以认为它是一个长度固定且有序的字典，因为它将索引值的数据值按位置配对。

obj2 = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
print('b' in obj2)
print('e' in obj2)

#
True
False

如果已经有数据包含在Python字典中，可以使用字典生成一个Series：

sdata = {'Ohio':35000, 'Texas':71000, 'Oregon':16000, 'Utah':5000}
obj3 = pd.Series(sdata)
print(obj3)

#
Ohio      35000
Texas     71000
Oregon    16000
Utah