1. 带标签的Series
import pandas as pd
import numpy as np
# Series
s = pd.Series([1,3,6,np.nan,44,1])
print(s)
s = pd.Series([1,3,6,np.nan,44,1],index=[3,4,3,7,8,9])
print(s)
# 默认index从0开始,如果想要按照自己的索引设置,则修改index参数,如:index=[3,4,3,7,8,9]
2. 构建DataFrame
dates = pd.date_range('2018-08-19',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['a','b','c','d'])
print(df)
# dates = pd.date_range('2018-08-19',periods=6) 与 dates = pd.date_range('2018-08-19','2018-08-24')等价,第二种方法直接表示起始、结束。
# numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。
# numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。
# (6,4)表示6行4列数据
# DataFrame既有行索引也有列索引, 它可以被看做由Series组成的大字典。
print(df['b'])
# 打印b列数据,其中包括了行索引
df1 = pd.DataFrame(np.arange(12).reshape(3,4))
print(df1)
# 未指定行标签和列标签的数据时,默认行、列标签为从0开始的数字索引。
df2 = pd.DataFrame({
'A': [1,2,3,4],
'B': pd.Timestamp('20180819'),
'C': pd.Series([1,6,9,10],dtype='float32'),
'D': np.array([3] * 4,dtype='int32'),
'E': pd.Categorical(['test','train',