python获取对象唯一索引的函数_Python数据分析之Pandas库（笔记）

Pandas数据结构

pandas有两个基本的数据结构：Series和DataFrame。

1.1 创建Series数据

需要引入pandas模块：import pandas as pd

需要引入Series和DataFrame： from pandas import Series,DataFrame

Series数据：索引在左，值在右

Series有values和index属性，可返还值数据的数据形式和索引对象

Series具有索引对象，可通过其获取Series的单个或者一组值

Series运算都会保留索引和值之间的链接

Series数组中的索引和值一一对应，类似于Python字典数据，所以也可以通过字典数据来创建Series

Series对象和索引都有name属性，这样我们就可以给Series定义名称，让Series更具可读性

1.2 创建DataFrame数据

DataFrame数据有行索引和列索引，行索引类似于Excel表格中每行的编号(没有指定索引的情况下)，列索引类似于Excel表格的列名(通常也可称为字段)

由于字典是无序的，因此可以通过columns指定列索引的排列顺序

当没有指定行索引的情况下，会使用0到N-1(N为数据的长度)作为行索引，这里也可以使用其他数据作为行索引。

通过values属性可以将DataFrame数据转换为二维数组。

下表中提供了部分常用的为创建DataFrame数据可传入的数据类型。

1.3 索引对象

Series的索引和DataFrame的行和列索引都是索引对象，用于负责管理轴标签和元数据。

索引对象是不可以进行修改的，如果修改就会报错

二、pandas索引操作

2.1 重新索引

重新索引并不是给索引重新命名，而是对索引重新排序，如果某个索引值不存在的话，就会引入缺失值(NaN)。

对于DataFrame数据来说，行和列索引都是可以重新索引的。

需要对插入的缺失值进行填充的话，可通过method参数来实现，参数值为ffill或pad时为向前填充，参数值为bfill或backfill时为向后填充。

reindex函数的各参数使用说明

2.2 更换索引

在DataFrame数据中，如果不 希望使用默认行索引的话ÿ