python数据分析包pandas论文_python数据分析pandas包入门学习（一）pandas数据结构介绍...

本文参考《利用python进行数据分析》的第五章 pandas入门python

1 pandas数据结构介绍

pandas有两种主要的数据结构：series和DataFrame

Series：一种相似于一维数组的对象，由一组数据(各类Numpy数据类型)以及一组与之对应的数据标签(索引)组成。

第一列为索引，从0开始，第二列为数据值。

能够经过values属性获取数组的表示形式，经过index属性获取索引对象：

索引能够本身定义：

能够经过索引，选取Series中单个或一组值：

进行numpy数组运算，都会保留索引和值之间的连接：

能够将Series当作是一个定长的有序字典， 它是索引值到数据值的一个映射，能够用在许多本来须要字典参数的函数中：

若是数据被存放在Python字典中，能够直接经过这个字典来建立Series：

若是只传入一个字典(上图)，则Series中的索引就是原字典的键；若是传入index(下图),与索引匹配的值会被找出来并放到相应的位置，没有匹配的，则为NaN(缺失值)。

pandas的isnull和notnull能够检测确实数据，也可以使用b.isnull(), b.notnull()，效果同样：

Series的最重要的一个功能是：在算术运算中汇自动对齐不一样索引的数据

Series对象自己及索引都有一个name属性：

Series的索引能够经过赋值的方式就地修改(会把b.index.name删掉)：

DataFrame：

DataFrame是一个表格型的数据结构，它含有一组有序的列：每列能够是不一样的值类型(数值、字符串、布尔值等)。DataFrame既有行索引，也有列索引，能够被看作由Series组成的字典(共用同一个索引)。

构建DataFrame最经常使用的方法是直接传入一个由等长列表或Numpy数组组成的字典：

DataFrame会自动加上索引，且所有列会被有序排列；若是须要列按照指定顺序排列，需指定列序号：

跟Series同样，若是传入的列在数据中找不到，就会产生NaN值：

将DataFrame的列获取为一个Series，返回的Series拥有原DataFrame相同的索引，且其name属性也被相应的设置好了；行也能够经过相应的位置或名称的方式获取，好比用索引字段ix：

列能够经过赋值的方式进行修改，能够赋值一个标量或者一组值：

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度匹配。若是赋值是一个Series，就会精确匹配DataFrame的索引，全部的空位都将被填上缺失值：

为不存在的列赋值会建立出一个新列；关键字del用于删除列：

警告：经过索引方式返回的列是相应数据的视图，而不是副本，所以对返回的Series所作的任何就地修改都会反应到源DadaFrame上。

另外一种常见的数据形式是嵌套字典，将他传入DataFrame，被解释为外层字典的键做为列，内层的键做为索引：

转置操做：

内层字典的键会被合并、排序以造成最终的索引。若是显式指定索引，则不会这样：

设置索引和列的名字：

索引对象

obj.index就是一个索引对象，不可修改。