Pandas——数据处理对象

Pandas中的数据结构

• Series: 一维数组，类似于Python中的基本数据结构list，区别是Series只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据；
• DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器；
• Panel：三维的数组，可以理解为DataFrame的容器。

Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy的数据类型）和一个与数组关联的数据标签，被叫做索引 。最简单的Series是由一个数组的数据构成：

from pandas import Series,DataFrame
import  pandas as pd
a = Series([1,4,7,9])
print(a)

运行结果：

Series的交互式显示的字符串表示形式是索引在左边，值在右边。因为我们没有给数据指定索引，一个包含整数0到N-1(这里N是数据的长度）的默认索引被创建。你可以分别的通过它的values和index属性来获取 Series的数组表示和索引对象：

from pandas import Series,DataFrame
import  pandas as pd
a = Series([1,4,7,9])
#print(a)
print(a.values)
print(a.index)

运行结果：

创建一个带有索引来确定每一个数据点的Series。

b = Series([1,5,9,3],index=['q','w','e','r'])
print(b)

运行结果：

字典类型转换成Series，Series中的索引是排列后的字典的键。

data = {'湖北':"武汉","四川":"成都","湖南":"长沙"}
c = Series(data)
print(c)

运行结果：

DataFrame是一个表格型的数据结构，是以一个或多个二维块存放的数据表格（层次化索引），DataFrame既有行索引还有列索引，它有一组有序的列，每列既可以是不同类型（数值、字符串、布尔型）的数据，或者可以看做由Series组成的字典。

DataFrame创建:

dictionary = {'state':['0hio','0hio','0hio','Nevada','Nevada'],
         'year':[2000,2001,2002,2001,2002],
         'pop':[1.5,1.7,3.6,2.4,2.9]}
frame = DataFrame(dictionary)
print(frame)

结果：

修改行名：

frame = DataFrame(dictionary,index=['one','two','three','four','five'])

结果：

添加修改（等号左边是新加的列索引，右边是值，而且值的个数一定要和原来一样）：

frame['add']=[1,2,3,4,5]

结果：

添加Series类型（Series中的索引名要和原来的相同）：

frame=DataFrame(dictionary,index=['one','two','three','four','five'])
# value = Series([1,3,1,4,6],index = [0,1,2,3,4])（这种会出错）
# frame['add1'] = value
value = Series([1,3,1,4,6],index=['one','two','three','four','five'])
frame['add1'] = value
print(frame)

结果：