3-1 pandas的数据结构

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一
（1） 一个强大的分析和操作大型结构化数据集所需的工具集
（2） 基础是NumPy，提供了高性能矩阵的运算
（3） 提供了大量能够快速便捷地处理数据的函数和方法
（4）应用于数据挖掘，数据分析
（5）提供数据清洗功能

1. Pandas的数据结构

Pandas有两个最主要也是最重要的数据结构：Series和DataFrame

1.1 Series

1.1.1 Series介绍

Series是一种一维标记的数组型对象，能够保存任何数据类型(int,str,float,python object…)，包含了数据标签，称为索引
（1）类似一维数组的对象1,index=[‘名字’,‘年龄’,‘班级’]
（2）由数据和索引组成

• 索引(index)在左，数据(values)在右
• 索引是自动创建的
  

1.1.2 Series创建

创建Series的三种方式：

1. 通过list创建

import pandas as pd
import numpy as np
#1. 通过list创建
s1 = pd.Series([1,2,3,4,5])
#结果为RangeIndex(start=0, stop=5, step=1)
print(s1.index)
#结果为[1 2 3 4 5]
print(s1.values)
#结果为：
#0    1
#1    2
#2    3
#3    4
#4    5
s1
#结果为：pandas.core.series.Series
type(s1)

2. 通过numpy数组创建

#2. 通过numpy数组创建
#创建数组
arr1 = np.arange(1,6)
s2 = pd.Series(arr1)
#结果为：
#0    1
#1    2
#2    3
#3    4
#4    5
s2
#指定索引 索引长度和数据长度必须相同
s2 = pd.Series(arr1,index=['a','b','c','d','e'])
#结果为：
#a    1
#b    2
#c    3
#d    4
#e    5
s2

3. 通过字典创建

#3. 通过字典创建
#创建字典
dict = {
   'name':'李宁','age':18,'class':'三班'}
s3 = pd.Series(dict)
#结果为：
#name     李宁
#age      18
#class    三班
s3
#规定索引按顺序输出
s3 = pd.Series(dict,index=['name',