Pandas简明教程：二、Pandas基本数据结构-DataFrame与Series

文章目录

1、什么是表格？
2、DataFrame类型
3、Series类型
本系列教程教程完整目录：

1、什么是表格？

	月份	姓名	性别	应发工资	实发工资	职位
0	1	张三	男	2000	1500	主犯
1	2	张三	男	2000	1000	主犯
2	3	张三	女	2000	15000	主犯
3	4	张三	女	2000	1500	主犯
4	5	张三	女	2000	1500	主犯
5	2	李四	男	1800	1300	从犯
6	3	李四	男	1800	1300	从犯
7	4	李四	男	1800	1300	从犯
8	5	李四	男	1800	1300	从犯
9	1	王五	女	1800	1300	龙套
10	2	王五	女	1800	1300	龙套
11	3	王五	女	1800	1300	龙套
12	4	王五	女	1800	1300	龙套

以上表为例，按照一般的理解，表格一般包含以下属性：

表头：即上表中的 ”月份，姓名，性别，应发工资，实发工资，职位“。

注意，这里第一列的空白处照常而言也是一个表头，不过在Pandas中它有另外的含义。
数据主体：从第二行第一列开始，到右下角的”龙套“，这一块区域全部是表格的数据主体。
- 表格行与列：行与列是包含在数据主体中的部分。
索引列：这是Pandas专门设计的一个部分，设置它一方面为了定位方便，另一方面它也有利于复杂表格的操作，今后会讲到。

2、DataFrame类型

现在我们先用Pandas录入上述表格数据：

import pandas as pd
df = pd.DataFrame({'月份': [1,2,3,4,5,2,3,4,5,1,2,3,4],'姓名':['张三','张三','张三','张三','张三','李四','李四','李四','李四','王五','王五','王五','王五'],'性别':['男','男','女','女','女','男','男','男','男','女','女','女','女'],'应发工资':[2000,2000,2000,2000,2000,1800,1800,1800,1800,1800,1800,1800,1800],'实发工资':[1500,1000,15000,1500,1500,1300,1300,1300,1300,1300,1300,1300,1300],'职位':['主犯','主犯','主犯','主犯','主犯','从犯','从犯','从犯','从犯','龙套','龙套','龙套','龙套']
})

结果：

df月份  姓名 性别  应发工资   实发工资  职位
0    1  张三  男  2000   1500  主犯
1    2  张三  男  2000   1000  主犯
2    3  张三  女  2000  15000  主犯
3    4  张三  女  2000   1500  主犯
4    5  张三  女  2000   1500  主犯
5    2  李四  男  1800   1300  从犯
6    3  李四  男  1800   1300  从犯
7    4  李四  男  1800   1300  从犯
8    5  李四  男  1800   1300  从犯
9    1  王五  女  1800   1300  龙套
10   2  王五  女  1800   1300  龙套
11   3  王五  女  1800   1300  龙套
12   4  王五  女  1800   1300  龙套

上述代码的内容很容易理解，首先是将pandas库导入并将设别名为pd，其次再是调用DataFrame的构造函数实例化该对象，并赋值给df。这里表格的信息我们是采用dict的格式录入的。

另外观察到另一个问题，在录入数据时并没有提供第一列0,...,12这些数据，但df变量就自动有了上述内容。这一列就是表格的索引列。

那么此时再来对照表格认识一下DataFrame的各个基本属性。

# 表头
df.columnsIndex(['月份', '姓名', '性别', '应发工资', '实发工资', '职位'], dtype='object')
# 索引
df.indexRangeIndex(start=0, stop=13, step=1)
# 数据主体
df.valuesarray([[1, '张三', '男', 2000, 1500, '主犯'],[2, '张三', '男', 2000, 1000, '主犯'],[3, '张三', '女', 2000, 15000, '主犯'],[4, '张三', '女', 2000, 1500, '主犯'],[5, '张三', '女', 2000, 1500, '主犯'],[2, '李四', '男', 1800, 1300, '从犯'],[3, '李四', '男', 1800, 1300, '从犯'],[4, '李四', '男', 1800, 1300, '从犯'],[5, '李四', '男', 1800, 1300, '从犯'],[1, '王五', '女', 1800, 1300, '龙套'],[2, '王五', '女', 1800, 1300, '龙套'],[3, '王五', '女', 1800, 1300, '龙套'],[4, '王五', '女', 1800, 1300, '龙套']], dtype=object)

这里可以看到，表头是Index类型（Pandas类型），索引列是RangeIndex类型，values则是普通的array类型。前面两个类型在用到的时候我们再介绍，如果好奇的话可以先点击链接自行查看。

接下来再简单查看一下df中的变量类型：

df.dtypes月份       int64
姓名      object
性别      object
应发工资     int64
实发工资     int64
职位      object
dtype: object

这里除了各列的类型以外，还包括一个它自己的类型object。

3、Series类型

先看一个例子：

ss=df['姓名']type(ss)
pandas.core.series.Seriesss0     张三
1     张三
2     张三
3     张三
4     张三
5     李四
6     李四
7     李四
8     李四
9     王五
10    王五
11    王五
12    王五
Name: 姓名, dtype: object

结合DataFrame的构造函数的用法其实可以做出合理推测 – 它的索引方式应该和dict类似。上述代码即证实了这一点，但仔细观察第3-4行，可以看到取出姓名这一列之后的对象变成了Series。它是Pandas中另外一个重要的数据结构。

Series对象的结构实际上与DataFrame基本一致，唯一不同的在于Series的数据主体只有一维，而DataFrame的数据可以有多维。 一种简单的理解方式是：Series是一个表的一列，同时它带有Index类型的属性。作为表的一列，它自然也有’表头’，不过此时它不再叫column而是叫name.

ss.name
'姓名'

自然地，Series通常也可以直接转换为DataFrame，如：

ds = pd.DataFrame(ss)type(ds)
pandas.core.frame.DataFrame

或者直接调用方法：

type(ss.to_frame())
pandas.core.frame.DataFrame

然而，这里需要注意的是，由多个Series转回DataFrame时则稍嫌麻烦。可能有同学容易想到以下的方式：

ss1 = df['月份']ss2 = df['姓名']pd.DataFrame([ss1,ss2])0   1   2   3   4   5   6   7   8   9  10  11  12
月份   1   2   3   4   5   2   3   4   5   1   2   3   4
姓名  张三  张三  张三  张三  张三  李四  李四  李四  李四  王五  王五  王五  王五

注意，此时表格没有变成原来的形状，而对应的信息属性其实也发生了变化。”月份“，”姓名“都变成了索引Index，而上面的数字此时其实仍然是属性。关于这个问题后面讲操作的时候再讨论，这里先直接给出正确的做法：

dd = pd.DataFrame({ ss1.name: ss1.values,ss2.name: ss2.values}
)dd月份  姓名
0    1  张三
1    2  张三
2    3  张三
3    4  张三
4    5  张三
5    2  李四
6    3  李四
7    4  李四
8    5  李四
9    1  王五
10   2  王五
11   3  王五
12   4  王五

这种做法是最为操守的，其思路是利用Series中对应的信息先构造一个dict，再利用dict生成DataFrame。当然还可以这样做：

dd2 = pd.DataFrame()dd2[ss1.name] = ss1.valuesdd2[ss2.name] = ss2.valuesdd2月份  姓名
0    1  张三
1    2  张三
2    3  张三
3    4  张三
4    5  张三
5    2  李四
6    3  李四
7    4  李四
8    5  李四
9    1  王五
10   2  王五
11   3  王五
12   4  王五

如果熟悉Python的基本数据结构及其操作的情况下，也可以灵活地处理更为复杂的情况，这里不再赘述。

当然还有更多灵活的操作，可以参考相关资料，如：

pandas中Series，DataFrame的连接（拼接）

更多神奇的操作还可以在官方文档中看到：Merge, join, and concatenate

本系列教程教程完整目录：

一、Pandas简介与安装

二、Pandas基本数据结构-DataFrame与Series

三、Pandas文件读写

四、Pandas数据索引方式

五、Pandas简单统计操作及通用方式

六、Pandas条件查询

七、Pandas缺失数据的处理（数据清洗基础）

八、Pandas数据透视表

九、表的合并、连接、拼接（数据聚合基础）