自用Python基础3

三、数据的简单处理——pandas模块入门

pandas模块是基于NumPy模块开发的，它不仅能直观地展现数据的结构，还具备强大的数据处理和分析功能。从某种程度上来说，pandas模块是Python成为强大而高效的数据分析工具的重要因素之一。

3.1 数据结构

pandas模块中两个数据结构对象——Series和DataFrame可以在计算机的内存中构建虚拟的数据库。

3.1.1 Series 对象

Series是一种类似于NumPy模块创建的一维数组的对象，与一维数组不同的是，Series对象不仅包含数据元素，还包含一组与数据元素对应的行标签。

使用Series对象可以基于列表创建数据结构：

import pandas as pd
s=pd.Series(['短裤','毛衣','连衣裙','牛仔裤'])
print(s)

代码运行结果如下：
0     短裤
1     毛衣
2    连衣裙
3    牛仔裤
dtype: object

创建数据结构时自定义元素：

import pandas as pd
s=pd.Series(['短裤','毛衣','连衣裙','牛仔裤'],index=['a001','a002','a003','a004'])
print(s)

代码运行结果如下：
a001     短裤
a002     毛衣
a003    连衣裙
a004    牛仔裤
dtype: object

使用Series对象可以基于字典自定义元素：

import pandas as pd
s=pd.Series({'a001':'短裤','a002':'毛衣','a003':'连衣裙','a004':'牛仔裤'})
print(s)

代码运行结果如下：
a001     短裤
a002     毛衣
a003    连衣裙
a004    牛仔裤
dtype: object

3.1.2 DataFrame 对象

DataFrame是一种二维的数据结构对象，用该对象创建的数据结构在形式上类似于Excel表格。

使用DataFrame对象基于列表创建数据结构的方法：

import pandas as pd

df=pd.DataFrame([['短裤',45],['毛衣',69],['连衣裙',119],['牛

仔裤’，99]])

print(df)

第2行代码为DataFrame对象传入了一个嵌套的列表来创建二维的数据结构

从运行结果可以看出，创建了一个二维的数据结构，数据结构中的元素既有行标签又有列标签，其值都默认为从0开始的数字序列。

在使用DataFrame对象创建数据结构时，还可以通过设置参数columns和index来分别自定义行标签和列标签。演示代码如下：

import pandas as pd

df1=pd.DataFrame([['短裤',45],['毛衣',69],['连衣裙',119],['牛

仔裤’，99]],columns=['产品',‘单价'],index=['a001','a002','a003','a004'])

print(df1)

第2行代码中的参数columns用于设置列标签，参数index用于设置行标签。

四、数据的高级处理——pandas模块进阶

五、使用Python进行数据分析

六、Python爬虫基础

七、Python爬虫进阶