pandas dataframe创建_Pandas入门系列（一）

NumPy入门系列(一)

NumPy入门系列(二)

何为Pandas?

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

---

pandas的数据结构

Series

Series是一种类似于一维数组的对象，它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。

pd.Series(    data=None,          一组数据类型(python内置序列，numpy一维数组)    index=None,        数据索引，默认为0-  N-1    dtype=None,        数据类型    name=None,    copy=False,    fastpath=False,)

Series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切：

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的类型(数值、字符串、布尔值等。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典(共用同一个索引。创建DataFrame的办法有很多，最常用的一种是直接传入一个由等长列表或NumPy数组组成的字典：

你可以设置dataframe的显示范围：

dataframe的属性：

从二维数组创建或从表格重塑表格：

数据表的索引与修改：

将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度相匹配。如果赋值 的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失 值：

可以用del方法删除列：

数据类型访问：

下表列出了DataFrame构造函数所能接受的各种数据：

---

索引对象 index

构建Series或 DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index,Index对象是不可变的，因此用户不能对其进行修改:

另外，pandas的Index可以包含重复的标签。