pandas学习之数据类型

概述

pandas包含两种数据结构,DataFrame和Series,分别表示二维数据结构和一维数据结构

Series

表示一维数据结构,也是包含两部分,左侧索引部分和右侧数据部分
一些常用的操作

Series的三种创建方式

# 方式一:通过数组创建Series
s1=pd.Series([1,2,3,'tom',True])
s1

# 方式二:创建指定索引列的Series
s2=pd.Series(['tom','jack','dane'],index=['001','002','003'])
s2

# 方式三:使用python字典创建Series
s3=pd.Series({'tom':'001','jack':'002'})
s3

Series的常见操作

# 获取s1的索引列
s1.index

# 获取s1的值
s1.values

# 使用下标获取某个值
s1[3]

# 查看数据类型
type(s1[3])
type(s1[0])
type(s1[4])
type(s1[[0,1]])

# 同时获取多个索引的val
s1[[0,1]]

DataFrame

表示二维数据结构,包含两部分,左侧索引部分和右侧数据部分
一些常用的操作

dataframe的创建方式

# 方式一:通过读取文件来创建(常用)
pd.read_csv()
pd.read_excel()
pd.read_sql()

# 方式二:通过字典来创建
data={
    'id':[1,2,3],
    'name':['tom','jack','dane']
}
df=pd.DataFrame(data)
df

dataframe的常见操作

# 获取数据类型
df.dtypes

# 获取columns
df.columns

# 获取索引列
df.index

# 获取某一列
df['id']
type(df['id'])#Series

# 获取多列
df[['name','id']]
type(df[['name','id']])#DataFrame

# 获取前n条数据
df.head(1)

# 获取后n条数据
df.tail(1)

# 获取某一条数据
df.loc[0]
type(df.loc[0])

# 获取多行数据
df.loc[1:2]
type(df.loc[0:1])

DataFrame和Series的转换关系

dataframe是二维的series是一维的,在数据处理的过程中,经常会遇到两种数据类型相互转换的情况
仅需记住一下规则即可区分数据类型是那种
如果仅一行或者一列数据,那么数据类型就是Series
如果多行或者多列,那么数据类型就是DataFrame