Pandas的序列和数据框

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

Pandas是一维到三维的数据处理工具，范围从一维的Series(序列)、二维的DataFrame（数据框）和 三维或者更高维的Panel（面板）。而Pandas中也可以进行统计特征计算。
mean():计算样本数据的算术平均值
std():计算样本数据的标准差
cov():计算样本数据的协方差矩阵
var():计算样本数据的方差
describe():用于描述样本数据的基本情况，包括非NaN数据的个数，均值，标准差，最小值，最大值以及样本的25%，50%和75%分位数。

---

序列Series

下面是一个简单的例子：

import pandas as pd
import numpy as np
s1 = pd.Series(np.array([10,20,30]))
s2 = pd.Series({"美国":10.0,"德国":20.0,"英国":30.0})
s3 = pd.Series(np.array([10.0,20.0,30.0]),index=['a','b','c'])

print(s1);print("---------")
print(s2);print("---------")
print(s3)

输出结果是：

0    10
1    20
2    30
dtype: int64
---------
美国    10.0
德国    20.0
英国    30.0
dtype: float64
---------
a    10
b    20
c    30
dtype: int64

可以看到，在s1中，没有给出行标签的命名，系统会自动从0开始递增给每行的标签进行命名，当然你也可以自己给行标签命名，如s3中自己给出index来命名行标签。在字典构造的序列中，字典的键就是第一列行标签，键所对应的值便是实际值。

对序列进行索引

a = s2['英国']
print(a)	#输出： 30.0
b = np.mean(s1)	#使用numpy库，求s1的平均值
print(b)		#输出20.0
c = s1.mean()	#使用pandas库，求s1的平均值
print(c)	#输出20.0

Pandas Series 对象的 mean() 方法默认会忽略缺失值（NaN），而 NumPy 的 mean() 函数默认情况下不会忽略缺失值。因此，如果数据中包含缺失值，两种方法得到的结果可能会不同。

---

数据框

import pandas as pd
import numpy as np
a = np.arange(1,7).reshape(3,2)
print(a);print("------")
d1 = pd.DataFrame(a)
print(d1);print("------")
d2 = pd.DataFrame(a,index=['a','b','c'],columns=['x1','x2'])
print(d2);print("------")
d3 = pd.DataFrame({'x1':a[:,0],'x2':a[:,1]},index=['a','b','c'])
print(d3)

输出结果是：

[[1 2]
 [3 4]
 [5 6]]
------
   0  1
0  1  2
1  3  4
2  5  6
------
   x1  x2
a   1   2
b   3   4
c   5   6
------
   x1  x2
a   1   2
b   3   4
c   5   6

在数据框中，可以用index来自定义行索引，用columns来自定义列索引。
需要注意的是：二维数据为字典的时候，键是列名，他的值是一维数组。