pandas series取值_pandas 数据分析基础 1

pandas 基础最重要知识点就是两个数据结构 Series(一维) 和 DataFrame(二维), 处理这两个数据结构的方法和函数, 以及运用的逻辑

下文约定 NumPy 简写 np, Pandas 简写 pd, Series 简写 s, DataFrame 简写 df

一, 数据结构

pd 的数据结构是基于 np 的, 因此其有着 np 的基因, 许多操作和大部分函数与 np 类似

pd 的数据结构其实是 np 数组数据对象 array 的容器, 在 pd 中有了索引结构, 可以利用索引来取 array 或 array 的值

1, 创建 s 和 df

创建 s 用 Series 方法, 创建 df 用 DataFrame 方法, 创建时若不指定索引, 将自动生成(从 0 开始)

s 是一维, 只有行索引, 而 df 有行和列索引

创建方式灵活多变, 可以查看参数, 根据要求传参进行创建, 简单介绍几种

import numpy as np
import pandas as pd

s = pd.Series(range(3))
df = pd.DataFrame(range(3))
display(s)
df

0    0
1    1
2    2
dtype: int64

	0
0	0
1	1
2	2

s = pd.Series(range(3), index=list('abc'))
df = pd.DataFrame({
     'A': range(3), 'B': list('jkl')}, index=list('abc'))
display(s)
df

a    0
b    1
c    2
dtype: int64

	A	B
a	0	j
b	1	k
c	2	l

dict_1 = {
     'a': 0, 'b': 1, 'c': 2}
dict_2 = {
     'a': range(3), 'b': list('jkl')}
s = pd.Series(dict_1)
df1 = pd.DataFrame(dict_1, index=['A'])
df2 = pd.DataFrame(dict_2)
display(s)
display(df1)
df2

a    0
b    1
c    2
dtype: int64

	a	b	c
A	0	1	2

	a	b
0	0	j
1	1	k
2	2	l

2, s 和 df 的常用属性

大部分属性和 numpy 一样

s = pd.Series(1, index=list('abc'))
df = pd.DataFrame(dict_2)

s, df

(a    1
 b    1
 c    1
 dtype: int64,
    a  b
 0  0