Python--pandas数据结构

• pandas概述

   基于 numpy 的一种工具，为了解决数据分析任务而创建。
  
   纳入了大量库和一些标准的数据模型，提供了高效的操作大型数据集所需要的模型。
  
   提供能使我们快速便捷地处理数据的函数和方法。
  
   常与numpy 和matplotlib一同使用。
  
   有两大核心数据结构：Series（一维数据，键值对的形式）和DataFrame（多特征数据，既有行索引，又有列索引）
  

• pandas库介绍

    Series：
    一维数组，与numpy中的一维array类似。
    
    Series可以有更高效的使用内存，提高运算效率。
    
    numpy 和series中只允许存储相同的数据类型。
    
    Time-Series：
    
    以时间为索引的Series。
    
    DataFrame:
    
    带标签且大小可变的二维表格型数据结构，可将DataFrame理解为Series的容器。
    
    Panel：
    
    三维的数组，可以理解为DataFrame的容器。
  

• Series

    Series是一种类似于一维数组的对象，它由一维数组（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。
    
    创建函数：
    
    pandas.series(data,index,dtype,copy)
    【data:数据采取各种形式，如：ndarray,list,constants(常量）
    	index:索引值必须是唯一和散列的，与数据的长度相同，默认np.arange(n)如果没有索引被传递。
    	dtype:dtype用于数据类型。如果没有，将推断数据类型。
    	copy: 复制数据，默认为false】
    	
    Series的创建：
    
    1.使用Python数组创建
    2.使用numpy数组创建
    3.使用Python字典创建
     【与字典不同，Series允许索引重复。】
  
    Series:
    其字符串表现形式为：索引在左边，值在右边
    如果没有为数据指定索引，则自动创建一个0到N-1（N为数据的长度）的整数索引
    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
    与普通numpy数组相比，可以通过索引的方式选取Series中的单一或一组值
  

#1.
import pandas as pd
import numpy as np
pd.Series([11,12],index=["北京","上海"])

北京   11
上海   12
dtype:int64

#2.
pd.Series(np.arrange(3,6))

0  3
1  4
2  5
dtype:int32

#3.
pd.Series({"北京":11,"上海":12,"深圳":14})

北京  11
上海  12
深圳  14
dtype:int64

• DataFrame

    DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值，字符串，布尔值等）
    
    既有行索引也有列索引，它可以被看作由Series组成的字典（共用同一个索引）
    
    跟其他类似的数据结构相比，(如R语言的data.frame）, DataFrame中面向行和面向列的操作基本上是平衡的
    
    DataFrame 中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）
    
    特点：
    
    潜在的列是不同的类型
    
    大小可变
    
    标记轴（行和列）
    
    可以对行和列执行算术运算
    
    DataFrame构造函数：
    
    pandas.DataFrame(data,index,columns,dtype,copy)
    【data: 数据采取各种形式，如：ndarray,series,map,lists,dict,constant和另一个DataFrame.
    	index:对于行标签，要用于结果帧的索引是可选缺省值np.arrange(n),如果没有传递索引值。
    	columns:对于列标签，可选的默认语法是np.arrange(n),这只有在没有索引传递的情况下才是这样。
    	dtype: 每列的数据类型
    	copy: 如果默认值为False，则此命令用于复制数据】
    	
    创建：
    1. 从单个列表创建：
    	data=[1,2,3,4]
    	df=pd.DataFrame(data)
    	print(df)
    2. 从嵌套列表创建，并 制定数据类型：
    	data=[['Alex',10],['Bob',12],['Clarke',13]]
    	df=pd.DataFrame(data,columns=['Name','Age'],dtype=flaot)
    	print(df)
    3. 由等长列表或numpy数组组成的字典创建DataFrame
    	data={'state':['Ohio','Ohio','Ohio','Nevada','Nevada'],'year':[2000,2001,2001,2001,2001],'pop',[1.5,1.7,3.6,2.4,2.9]}
    	frame=pd.DataFrame(data)
    	frame
  
    DataFrame结果会自动加上索引，（跟Series一样），且全部会被有序排列。
    	
    如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列；
    
    跟原Series一样，如果传入的列在数据中找不到，就会产生NAN值。
    
    通过类似四字典标记的方式或属性的方式，可以将DataFrame的列获取一个Series。
    
    返回的Series拥有原DataFrame相同的索引，且其name属性也已经被相应的设置好了。
    
    列可以通过赋值的方式进行修改。
    
    将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度匹配。
    
    如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有空位都会被填上缺失值。
    
    为不存在的列赋值会创建出一个新列。
    
    关键字del 用于删除列。
    
    将嵌套字典传给DataFrame，它就会被解释为：外层字典的键作为列，内层键则作为行索引。
    
    也可以对上述结果进行转置。【.T】
    
    .index.name=
    .columns.name=
    【可为行、列命名】
    
    跟Series一样，values的属性也会以二维ndarray的形式返回DataFrame中的数据。
    
    如果DataFrame各列的数据类型不同，则数组的数据类型就会选用能兼容所有列的数据类型。