一、pandas 是什么

数据分析。它提供了大量高级的 数据结构和 对数据处理的方法。


pandas 有两个主要的数据结构: Series 和  DataFrame

二、Series

一维数组对象 ,类似于 NumPy 的一维 array。它除了包含一组数据还包含一组索引,所以可以把它理解为一组带索引的数组。

将 Python 数组转换成 Series 对象:

python dataframe转图片 python series转dataframe_数据

将 Python 字典转换成 Series 对象:

python dataframe转图片 python series转dataframe_Series和DataFrame的简单介_02

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引:

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引:

python dataframe转图片 python series转dataframe_数据结构_03

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引:

对于 Series 对象里的单个数据来说,和普通数组一样,根据索引获取对应的数据或重新赋值;

不过你还可以传入一个索引的数组来获取数据或未数据重新赋值:

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引:

python dataframe转图片 python series转dataframe_python dataframe转图片_04

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引:

index 和  values 属性,例如:

python dataframe转图片 python series转dataframe_数据结构_05

对 Series 对象的运算(索引不变):

python dataframe转图片 python series转dataframe_数据结构_06

三、DataFrame

表格型的数据结构。它提供 有序的列和 不同类型的列值。

例如将一个由 NumPy 数组组成的字典转换成 DataFrame 对象:

python dataframe转图片 python series转dataframe_Series和DataFrame的简单介_07

DataFrame 默认根据列名首字母顺序进行排序,想要指定列的顺序?传入一个列名的字典即可:

python dataframe转图片 python series转dataframe_Series和DataFrame的简单介_08

如果传入的列名找不到,它不会报错,而是产生一列 NA 值:

python dataframe转图片 python series转dataframe_Series和DataFrame的简单介_09

DataFrame 不仅可以以字典索引的方式获取数据,还可以以属性的方法获取,例如:

python dataframe转图片 python series转dataframe_数据结构_10

修改列的值:

python dataframe转图片 python series转dataframe_python dataframe转图片_11

删除某一列:

python dataframe转图片 python series转dataframe_python dataframe转图片_12

当没有显示指定索引的时候,Series 自动以 0 开始,步长为 1 为数据创建索引。

你也可以通过 index 参数显示指定索引: