pandas中的Series和DataFrame

1.Series介绍及创建

Series是一种类似与一维数组的对象，由下面两个部分组成：
    values：一组数据（ndarray类型）
    index：相关的数据索引标签

创建Series的两种方式：
第一种：由列表或numpy数组创建：
s1 =Series([11,22,33,44,55],index=['a1','b1','c1','d1','e1'],name='Hello world')
print(s1)

运行结果：

a1    11
b1    22
c1    33
d1    44
e1    55
Name: Hello world, dtype: int64

a1 = np.array([11,22,33,44,55])
s2 = Series(a1,index=['a1','b1','c1','d1','e1'],name='hello series')

print(s2)

运行结果：

a1    11
b1    22
c1    33
d1    44
e1    55
Name: hello series, dtype: int32

第二种：由字典创建，不存在index参数设置，但是依然存在默认索引（数据源必须为一维数据）
dict = {'hello':12,'series':30}
s3 = Series(data=dict)

print(s3)

运行结果：

hello     12
series    30
dtype: int64

2.DataFrame的介绍及创建

    DataFrame具有标记轴（行和列）的二维大小可变，可能异构的表格数据结构

    算术运算在行标签和列标签上对齐

    可以被认为是Series对象的类似dict的容器

    是pandas的主要数据结构

创建DataFrame的4种方式：

1.使用字典创建DataFarme

dicts = {"tag1": [90, 22, 66],'tag2': [12, 33, 66]}
d1 = DataFrame(data=dicts, index=['a', 'b', 'c'])
print(d1)

运行结果：

   tag1  tag2
a    90    12
b    22    33
c    66    66

2.使用ndarray创建DataFrame
d2 = DataFrame(data=np.random.randint(0,100,size=(3,6)),index=["one","two","three"],columns=["a","b","c","d","e","f"])

print(d2)

运行结果：

           a    b    c    d    e    f
one    62  74  51  29  98  18
two    16  16  44   3   64   72
three  42  94  46  60  34  59

3.隐式构造
最常见的方法是给DataFrame构造函数的index或者columns参数传递两个或更多的数组（如下另个列的标签数组）

d3 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=[['a', 'b', 'c', 'd'], ['q1', 'q2', 'q3', 'q4']])
print(d3)

运行结果：

    a    b    c   d
   q1  q2  q3 q4
x  47  26  11  8
y  40  76  18  9

4.显示构造
使用pd.MultiIndex.from_arrays数组方式
创建了一个索引对象，该索引对象为二层索引

indexObj = pd.MultiIndex.from_arrays([['q1', 'q2', 'q3', 'q1'], ['a', 'b', 'c', 'd']])
d4 = DataFrame(data=np.random.randint(0, 100, size=(2, 4)), index=['x', 'y'], columns=indexObj)
print(d4)

运行结果：

     q1  q2   q3   q1
     a    b     c     d
x   85  72   43   4
y   8    43   55   68