【pandas 学习（1）】Series和DataFrame对象的创建

原文：https://github.com/hangsz/pandas-tutorial/blob/master/1. Series和DataFrame对象的创建.ipynb

pandas 中的核心对象是 Series 和 DataFrame，这一节主要介绍如何创建这两种对象。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

1.Series

Series 是 pandas 中暴露给我们使用的基本对象，它是由相同元素类型构成的一维数据结构，同时具有列表和字典的属性（字典的属性由索引赋予）。

• Series：有序，有索引
• list： 有序，无索引
• dict： 无序，有索引

预览:

data = [1,2,3]
index = ['a','b','c']
s = pd.Series(data=data, index=index, name = 'sss')

s.index # 四个属性之一：索引
Index(['a', 'b', 'c'], dtype='object')
s.name # 四个属性之二：名字
'sss'
s.values # 四个属性之三：值
array([1, 2, 3], dtype=int64)
s.dtype # 四个属性之四：元素类型
dtype('int64')

创建

pd.Series(data=None, index=None, name = None)

• data：多种类型，见下面具体介绍
• index：索引
• name：对data的说明，用的不多，一般在和DataFrame、Index互相转换时才需要。

data无索引
如果 data 为 ndarray(1D) 或 list(1D)，那么其缺少 Series 需要的索引信息；
如果提供 index，则必须和data长度相同；
如果不提供 index，那么其将生成默认数值索引 range(0, data.shape[0])。

# data = [1,2,3]
data1 = np.array([1,2,3])
index1 = ['a','b','c']
s = pd.Series(data = data1, index = index1)

data有索引
如果 data 为 Series 或 dict ，那么其已经提供了 Series 需要的索引信息，所以 index 项是不需要提供的；
如果额外提供了 index 项，那么其将对当前构建的Series进行 重索引（增删）（等同于reindex操作）。

# data = pd.Series([a,b,c], index = ['a','b','c'] )
data2 = { 'a':1, 'b':2,'c':3 }
index2 = ['a','b','d']
s = pd.Series(data = data2, index = index2)

如上，index 项用于从当前已有索引中匹配出相同的行，如果当前索引缺失给定的索引，则填充 NaN（NaN：not a number 为 pandas 缺失值标记）。

2.DataFrame

DataFrame 由具有共同索引的 Series 按列排列构成（2D），是使用最多的对象。

预览

data = [[1,2,3],
       [4,5,6]]
index = ['a','b']
columns = ['A','B','C']
df = pd.DataFrame(data=data, index = index, columns = columns)

df.index # 行索引
Index(['a', 'b'], dtype='object')
df.columns # 列索引，与Series的name一个意思
Index(['A', 'B', 'C'], dtype='object')
df.values # 值

array([[1, 2, 3],
       [4, 5, 6]], dtype=int64)

df.dtypes # 这里的dtype带s，查看每列元素类型

创建

pd.DataFrame(data=None, index=None, columns=None)
函数由多个参数，对我们有用的主要是：data,index 和 columns 三项

data无 行索引，无 列索引

• 如果 data 为 ndarray(2D) or list(2D)，那么其缺少 DataFrame 需要的行、列索引信息；
• 如果提供 index 或 columns 项，其必须和data的行 或 列长度相同；
• 如果不提供 index 或 columns 项，那么其将默认生成数值索引range(0, data.shape[0])) 或 range(0, data.shape[1])。

# data = [[1,2,3],
#        [4,5,6]]
data1 = np.array([[1,2,3],
                [4,5,6]] )
index1 = ['a','b']
columns1 = ['A','B','C']
df = pd.DataFrame(data=data1, index = index1, columns = columns1)

data无 行索引，有 列索引

• 如果data为 dict of ndarray(1D) or list(1D)，所有ndarray或list的长度必须相同。且dict的key为DataFrame提供了需要的columns信息，缺失index；
• 如果提供 index 项，必须和list的长度相同；
• 如果不提供 index，那么其将默认生成数值索引range(0, data.shape[0]))；
• 如果还额外提供了columns项，那么其将对当前构建的DataFrame进行 列重索引。

data2 = { 'A' : [1,4], 'B': [2,5], 'C':[3,6] }
index2 = ['a','b']
columns2 = ['A','B','D']
df = pd.DataFrame(data=data2, index = index2, columns = columns2)
df

data有 行索引，有 列索引

• 如果data为 dict of Series or dict，那么其已经提供了DataFrame需要的所有信息；
• 如果多个Series或dict间的索引不一致，那么取并操作（pandas不会试图丢掉信息），缺失的数据填充NaN；
• 如果提供了index项或columns项，那么其将对当前构建的DataFrame进行 重索引（reindex，pandas内部调用接口）。

# data3 = { 'A' : pd.Series([1,4] ,index = ['a','b']), 'B' : pd.Series([2,5] ,index = ['a','b']), 'C' : pd.Series([3,6] ,index = ['a','c']) }
data3 = { 'A' : { 'a':1, 'b':4}, 'B': {'a':2,'b':5}, 'C':{'a':3, 'c':6} }
df = pd.DataFrame(data=data3)

3.由文件创建

由.csv文件创建

pd.read_csv(filepath_or_buffer, sep=’,’, header=‘infer’, names=None,index_col=None, encoding=None )
read_csv的参数很多，但这几个参数就够我们使用了：

• filepath_or_buffer：路径和文件名不要带中文，带中文容易报错。
• sep: csv文件数据的分隔符，默认是’,’，根据实际情况修改；
• header：如果有列名，那么这一项不用改；
• names：如果没有列名，那么必须设置header = None， names为列名的列表，不设置默认生成数值索引；
• index_col：int型，选取这一列作为索引。
• encoding：根据你的文档编码来确定，如果有中文读取报错，试试encoding = ‘gbk’。

tips.csv：https://github.com/hangsz/pandas-tutorial/blob/master/tips.csv

tips = pd.read_csv( 'tips.csv')
tips.head()

tips.index
RangeIndex(start=0, stop=244, step=1)
tips.columns
Index(['total_bill', 'tip', 'sex', 'smoker', 'day', 'time', 'size'], dtype='object')
tips.values

array([[16.99, 1.01, 'Female', ..., 'Sun', 'Dinner', 2],
       [10.34, 1.66, 'Male', ..., 'Sun', 'Dinner', 3],
       [21.01, 3.5, 'Male', ..., 'Sun', 'Dinner', 3],
       ..., 
       [22.67, 2.0, 'Male', ..., 'Sat', 'Dinner', 2],
       [17.82, 1.75, 'Male', ..., 'Sat', 'Dinner', 2],
       [18.78, 3.0, 'Female', ..., 'Thur', 'Dinner', 2]], dtype=object)

由.excel文件创建

pd.read_excel(io, sheetname=0, header=0, index_col=None, names=None)
read_excel的参数很多，但这几个参数就够我们使用了：

• header：如果有列名，那么这一项不用改；
• names：如果没有列名，那么必须设置header = None， names为列名的列表，不设置默认生成数值索引；
• index_col：int型，选取这一列作为索引。