【Python数据分析学习笔记①】Pandas的Series对象和DataFrame对象详解.

以下内容为本人原创
原文链接:https://blog.csdn.net/Yhen1/article/details/114035467
作者:@Yhen
发布网站:CSDN
未经本人同意禁止转载,如需转载请说明此出处，违者必究

最近买了本数据分析的书，打算跟着书上的内容学习Python数据分析。
但学了又容易忘记，所以就打算写成博文分享出来同时也当做笔记了

(本文所有文字及表格为纯手打，创作不易，可否点赞支持一哈？）

本博客会收录入本人专栏“Yhen数据分析笔记”

本文是第一篇
首先学习的是Python数据分析的三剑客之一的Pandas

一.Pandas概述

Pandas是数据分析的三剑客之一，是python的核心数据分析库，他提供了快速灵活的数据结构，能够简单，直观，快速的处理各种类型的数据。

1.Pandas能够处理以下类型的数据：

• 与SQL或Excel类似的数据
• 有序和无序（非固定频率）的时间序列数据
• 带行列标签的矩阵数据
• 任何其他形式的观测，统计数据集

2.Pandas的功能很多，他的优势如下：

• 处理浮点与非浮点数据里面的缺失数据，表示为NAN.
• 大小可变，例如插入或者删除DataFrame等多为对象的列
• 自动，显式数据对齐，显式的将对象与一组标签对齐，也可以忽略标签，在Series，DataFrame计算时自动与数据对齐
• 强大，灵活的分组统计（groupby）功能，即数据聚合，数据转换。
• 可以把Python和Numpy中不规则，不同索引的数据轻松的转换成DataFrame对象.
• 直观的合并（merge），连接（join）数据集.
• 灵活的重塑（reshape），透视（pivot）数据集
• 成熟的导入导出工具，导入文本文件（CSV等支持分隔符的文件），Excel文件，数据库等数据；导出Excel文件，文本文件等，利用超快的HDF5格式保存或加载数据.
• 支持日期范围生成，频率转换，移动窗口统计，移动窗口线性回归，日期位移等时间序列功能.

二.Pandas的安装

直接用pip安装即可

pip install pandas

三.Pandas使用实例

1.Series对象

Series是Python的Pandas库中的一种数据结构，它类似一维数组，由一组数据以及这组数据相关的标签组成，或者仅有一组数据而没有索引也可以创建一个简单的Series对象，Series可以储存整数，浮点数，字符串，Python对象等多种类型的数据。

①创建Series对象

s=pd.Series(data,index=index)

参数说明：

• data：表示数据，支持Python字典，多维数组，标量值.
• index:表示行标签
• 返回值：Series对象

实例：

import pandas as pd
s=pd.Series([80,60,75])
print(s)

运行结果:

默认的行索引是0 1 2
也可以

②手动设置索引

import pandas as pd
s1=pd.Series