dataframe更改列的顺序_Python科学计算库Pandas基础数据结构Series和DataFrame

1 简介

林小森博客：

Python科学计算库Pandas基础数据结构Series和DataFrame - 林小森​www.linxiaosen.com

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。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

pandas含有使数据分析工作变得更快更简单的高级数据结构和操作工具。它是基于NumPy构建的，让以NumPy为中心的应用变得更加简单。 pandas主要包括两种数据结构： Series DataFrame

导入pandas包。因为Series和DataFrame用的次数非常多，所以将其引入本地命名空间中会更方便。

>>>from pandas import Series, DataFrame
>>>import pandas as pd

2 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。

2.1 创建Series

1、由一组数据即可产生最简单的Series:

>>>obj = Series([4, 7, -5, 3])
>>>obj
0    4
1    7
2   -5
3    3
dtype: int64

2、由字典来创建Series 如果数据被存放在一个Python字典中，也可以直接通过这个字典来创建Series:

>>>sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
>>>obj3 = Series(sdata)
>>>obj3
Ohio      35000
Oregon    16000
Texas     71000
Utah       5000
dtype: int64

2.2 索引

Series的字符串表现形式为：索引在左边，值在右边。可以通过Series的 values和index属性获取其数组表示形式和索引对象：如果没有为数据指定索引， 于是会自动创建一个0到N-1 (N为数据的长度）的整数型索引。

>>>obj.values
array([ 4,  7, -5,  3], dtype=int64)
>>>obj.index
Int64Index([0, 1, 2, 3], dtype='int64')

1、创建Series时指定索引。 通常希望所创建的Series带有一个可以对各个数据点进行标记的索引：

>>>obj2 = Series([4, 7,-5,3], index=['d','b','a','c'])
>>>obj2
d    4
b    7
a   -5
c    3
dtype: int64
>>> obj2.index
Index([u'd', u'b', u'a', u'c'], dtype='object')

2、由字典创建Series时指定索引 如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）。 在例子中，sdata跟states索引相匹配的那3个值会被找出来并放到相应的位置上， 但由于“California”所对应的sdata值找不到，所以其结果就为NaN (即“非数字” (not a number)).

>>>states = ['California', 'Ohio', 'Oregon', 'Texas']
>>>obj4 = Series(sdata, index=states)
>>>obj4
California      NaN
Ohio          35