这篇博客介绍了pandas库中的两种核心数据结构——Series和DataFrame。Series是一维带标签的数组，可以包含不同类型的元素，可通过标签或索引获取值。DataFrame是二维结构，能容纳多个Series，其表头由标签构成。博客详细讨论了这两个数据结构的创建、操作、数学运算以及数据的插入和删除。
摘要：
- 两种基本的数据结构 Series 和 DataFrame
介绍
参考网址： http://pandas.pydata.org/pandas-docs/stable/
两个基本的重要的数据结构
- Series
- DataFrame
Series
>>> import pandas as pd
Series 是一个一维带标签的数组，其中你能包含任意类型的数据。Series 是一个类，其构造函数如下：
>>> help(pd.Series.__init__)
Help on method __init__ in module pandas.core.series:
__init__(self, data=None, index=None, dtype=None, name=None, copy=False, fastpath=False) unbound pandas.core.series.Series method
在创建 Series 对象的时候，一般需要提供数据，即 data，例如：
>>> ser = pd.Series(data = [100,200,300,400,500])
>>> ser
0 100
1 200
2 300
3 400
4 500
dtype: int64
也可以给数据加上标签：
>>> ser = pd.Series(data=[100,200,300,400,500], index=['tom','bob','nancy','dan','eric'])
>>> ser
tom 100
bob 200
nancy 300
dan 400
eric 500
dtype: int64
可以看到，当我们不给数据添加标签的时候，标签就自动的从零开始，直到 len(data)-1。
上面的两个例子中，给出的 data 所有的元素都是同一个类型，即 int64，但其实它可以包含不同的类型，如下所示：
>>> ser = pd.Series(data=[100,'foo',300,'bar',500], index=['tom','bob','nancy','dan','eric'])
>>> ser
tom 100
bob foo
nancy 300
dan bar
eric 500
dtype: object
除了上面使用普通的列表作为 data 的值外， 还可以使用， narry 字典 数（scale）来对其进行赋值。
获取标签对应的值
可以通过标签获得所对应的值：
>>> ser['nancy']
300
也可以使用 loc 方法来通过标签获取值，loc 即 location：
>>> ser.loc['nancy']
300
>>> ser.loc[['nancy','dan']]
nancy 300
bob foo
dtype: object
同样可以使用数字标签获取相应位置的值，因为默认的标签是从零开始的数字：
>>> ser[2]
300
>>> ser[[2,3]]
nancy 300
dan bar
dtype: object
loc 方法貌似并不能使用数字标签，可以使用 iloc 方法代替之，即 index location:
>>> ser.iloc[2]
300
>>> ser.iloc[[2,3]]
nancy 300
dan bar
dtype: object
index 属性
>>> ser.index
Index([u'tom', u'bob', u'nancy', u'dan', u'eric'], dtype='object')
使用 in 检测是否包含某个标签
>>> 'bob' in ser
True
操作符作用在 Series
>>> ser
tom 100
bob foo
nancy 300
dan bar
eric 500
dtype: object
>>> ser * 2
tom 200
bob foofoo
nancy 600
dan barbar
eric 1000
dtype: object
>>> ser[['nancy','eric']]**2
nancy 90000
eric 250000
dtype: object
其他方法
由于 Series 赋值的多样性， Series 对象可以当做一个 narry 来处理，还也可以作为 字典来处理。
具体的操作可以参见官网：http://pandas.pydata.org/pandas-docs/stable/dsintro.html#intro-to-data-structures
DataFrame
DataFrame 是 Series 的容器，可以用来包含 Series 对象。它是一个二维的数据结构。
>>> d = { 'one': pd.Series([100.,200.,300.], index=['apple','ball','clock']),
'two': pd.Series([111.,222.,333.,444.],['apple','ball','ceril','dancy'])}
>>> df = pd.DataFrame(d)
>>> df
one two
apple 100.0 111.0
ball 200.0 222.0
ceril NaN 333.0
clock 300.0 NaN
dancy NaN 444.0
可以看到两个 Series 被融合为一个 DataFrame 对象。 标签作为表格的横向表头，字典的 keys 作为表格的 竖向表头。 标签取的是两个 Series 标签的并集，对于不包含某个标签的 Series，其值为 NaN。
同时我们可以使用部分数据来初始化 DataFrame 对象：
>>> pd.DataFrame(d, index=['dancy','apple','ball'])
one two
dancy NaN 444.0
apple 100.0 111.0
ball 200.0 222.0
我们还可以使用不存在的竖表头：
>>> pd.DataFrame(d, index=['dancy','apple','ball'], columns=['one','three'])
one three
dancy NaN NaN
apple 100.0 NaN
ball 200.0 NaN
获取 DataFrame 的表头
>>> df.index
Index([u'apple', u'ball', u'ceril', u'clock', u'dancy'], dtype='object')
>>> df.columns
Index([u'one', u'two'], dtype='object')
使用普通字典初始化 DataFrame
上面的初始化例子都是使用了 Series 作为值去初始化一个 DataFrame 对象。我们可以使用 python 中普通的字典数据类型去初始化。
>>> data = [{'alex':1,'joe':2},{'ema':5,'dora':10,'alice':20}]
>>> data
[{'alex': 1, 'joe': 2}, {'dora': 10, 'ema': 5, 'alice': 20}]
>>> pd.DataFrame(data)
alex alice dora ema joe
0 1.0 NaN NaN NaN 2.0
1 NaN 20.0 10.0 5.0 NaN
>>> pd.DataFrame(data,index=['orange','red'])
alex alice dora ema joe
orange 1.0 NaN NaN NaN 2.0
red NaN 20.0 10.0 5.0 NaN
>>> pd.DataFrame(data,index=['orange','red'], columns=['alex','dora','alice'])
alex dora alice
orange 1.0 NaN NaN
red NaN 10.0 20.0
我们可以看到，在初始化的时候，通过 index 参数可以设置行表头的名字，而通过 columns 可以挑选我们想要的列表头。
DataFrame 数学操作
>>> df
one two
apple 100.0 111.0
ball 200.0 222.0
ceril NaN 333.0
clock 300.0 NaN
dancy NaN 444.0
>>> df['one']
apple 100.0
ball 200.0
ceril NaN
clock 300.0
dancy NaN
Name: one, dtype: float64
>>> df['one']['ball']
200.0
>>> df['three'] = df['one'] + df['two']
>>> df
one two three
apple 100.0 111.0 211.0
ball 200.0 222.0 422.0
ceril NaN 333.0 NaN
clock 300.0 NaN NaN
dancy NaN 444.0 NaN
>>> df['flag'] = df['one'] < 300
one two three flag
apple 100.0 111.0 211.0 True
ball 200.0 222.0 422.0 True
ceril NaN 333.0 NaN False
clock 300.0 NaN NaN False
dancy NaN 444.0 NaN False
DataFrame 删除数据
>>> df
one two three flag
apple 100.0 111.0 211.0 True
ball 200.0 222.0 422.0 True
ceril NaN 333.0 NaN False
clock 300.0 NaN NaN False
dancy NaN 444.0 NaN False
>>> three = df.pop('three')
>>> three
apple 211.0
ball 422.0
ceril NaN
clock NaN
dancy NaN
Name: three, dtype: float64
>>> df
one two flag
apple 100.0 111.0 True
ball 200.0 222.0 True
ceril NaN 333.0 False
clock 300.0 NaN False
dancy NaN 444.0 False
>>> del df['two']
>>> df
one flag
apple 100.0 True
ball 200.0 True
ceril NaN False
clock 300.0 False
dancy NaN False
这个过程就和列表是一样的， pop 是将该数据弹出并返回， del 时间该数据直接删除，没有返回值。
DataFrame 插入数据
>>> help(df.insert)
Help on method insert in module pandas.core.frame:
insert(self, loc, column, value, allow_duplicates=False) method of pandas.core.frame.DataFrame instance
Insert column into DataFrame at specified location.
If `allow_duplicates` is False, raises Exception if column
is already contained in the DataFrame.
Parameters
----------
loc : int
Must have 0 <= loc <= len(columns)
column : object
value : scalar, Series, or array-like
使用 insert 方法插入数据，第一个参数 loc 代表了我们要插入第几列。从零开始算起，如果要插入到第三列，则 loc = 2。 第二个参数 column 表示我们要插入的列的名称。 value 则是插入的数据。
>>> df
one flag
apple 100.0 True
ball 200.0 True
ceril NaN False
clock 300.0 False
dancy NaN False
>>> df.insert(2,'copy_of_one', df['one'])
>>> df
one flag copy_of_one
apple 100.0 True 100.0
ball 200.0 True 200.0
ceril NaN False NaN
clock 300.0 False 300.0
dancy NaN False NaN
>>> df.insert(3,'scale', 12)
>>> df
one flag copy_of_one scale
apple 100.0 True 100.0 12
ball 200.0 True 200.0 12
ceril NaN False NaN 12
clock 300.0 False 300.0 12
dancy NaN False NaN 12
>>> df.insert(4,'array',[1,2,3,4,5])
>>> df
one flag copy_of_one scale array
apple 100.0 True 100.0 12 1
ball 200.0 True 200.0 12 2
ceril NaN False NaN 12 3
clock 300.0 False 300.0 12 4
dancy NaN False NaN 12 5
>>> df.insert(5,'Series',df['one'][:2])
>>> df
one flag copy_of_one scale array Series
apple 100.0 True 100.0 12 1 100.0
ball 200.0 True 200.0 12 2 200.0
ceril NaN False NaN 12 3 NaN
clock 300.0 False 300.0 12 4 NaN
dancy NaN False NaN 12 5 NaN
可以看到，value 参数可以是一个数，这样的话，所有的行都是这个数；可以是一个列表，但是列表的长度必须和表格的行数相等；也可以是一个 Series 对象，其中包含的元素数可以不等于表格的行数，不足的地方使用 NaN 补充。
237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
