#dataframe的数据类型
#每行的数据类型可以不一样
#行索引为index 等同于excel表格最左边的1、2、3、4
#列索引为column 等同于excel表格最顶端的A|B|C|D|E
#每一列都是一个series对象

创建一个列表并保存为对象

创建一个带有索引号的列表并保存为对象

通过直接赋值修改series

修改索引号

Series还能将两个数据列表相加

创建一个列表并保存为对象

print("\n创建一个列表并保存为对象")
s01 = pd.Series([1, 2, 3, 6, 8])
print("输出index索引号的范围：",s01.index)
print("输出values值：",s01.values)

创建一个带有索引号的列表并保存为对象

print("\n\n创建一个带有索引号的列表并保存为对象")
s02 = pd.Series([1, 2, 3, 6, 8], index=['A', 'B', 'C', 'D', 'E'])
print("输出index索引号的范围：",s02.index)
print("输出列表2的values值：",s02.values)

通过字典的形式，

创建series列表并保存为对象，

然后输出索引和保存的值：

print("\n\n通过字典的形式，创建series列表并保存为对象，然后输出索引和保存的值：")
s03 = pd.Series({'abeiduo': 102345, 'youla': 505689, 'chongyun': 612478})
print("输出index索引号的范围：",s03.index)
print("输出列表3的values值：",s03.values)

通过字典的形式，

创建series列表并保存为对象，

还可以指定索引号，

如果某个索引号没有对应的值，会显示NaN

print("\n\n通过字典的形式，创建series列表并保存为对象，还可以指定索引号，如果某个索引号没有对应的值，会显示NaN")
s04 = pd.Series({'b': 1, 'a': 0, 'c': 2}, index=["a", "b", "c", "d"])
print("输出列表4的索引和对应值：\n", s04)

创建series时可以通过name参数指定一个名称

print("\n\n创建series时可以通过name参数指定一个名称")
s05 = pd.Series([1,2,3,4,5], name='integer array')
print("输出列表05的名称：\n",s05.name)
print("输出列表05：\n",s05)

创建series时，

可以使用整数、字符串作为索引

print("\n\n创建series时，可以使用整数、字符串作为索引")
s06 = pd.Series([1, 2, 3, 6, 8])
print("使用整数作为索引：\n",s06[0])
s07 = pd.Series({'b': 1, 'a': 0, 'c': 2})
print("使用字符串作为索引：\n",s07['b'])
print("可以传入一个列表来读取series的多个数据：\n",s07[['a', 'b']])

通过直接赋值修改series

print("\n\n通过直接赋值修改series")
s08 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s08['a'] = 100
print("修改后a的值为：\n",s08)
s08['b':'c'] = 5
print("""pandas的切片运算跟python的不一样，
pandas的切片'b':'c'包括两个索引
python的切片'b':'c'只有一个索引不包括后者\n
注意新修改b、c的值变为：""")
print(s08)

修改索引号

print("\n\n修改索引号：")
s09 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
s09.index = ['e', 'f', 'g', 'h']
print("输出新的索引号：\n",s09)

Series的数学运算跟高中的向量运算类似：

print("\n\nSeries的数学运算跟高中的向量运算类似：")
s10 = pd.Series([1, 2, 3, 6, 8])
s10x2 = s10*2
print("每个值都乘以2后：\n",s10x2)

Series还能将两个数据列表相加

print("\n\nSeries还能将两个数据列表相加：")
s11 = pd.Series([1, 2, 3, 6, 8])
s12 = pd.Series([3, 3, 3, 3, 3])
s11_plus_s12 = s11 + s12
print(s11_plus_s12)

如果Series发现两个列表的索引不一样，

还能将索引号对齐再进行运算

print("\n\n如果Series发现两个列表的索引不一样，还能将索引号对齐再进行运算：")
s12 = pd.Series([1, 2, 3, 4], index=['一月', '二月', '三月', '四月'])
s13 = pd.Series([1, 2, 3, 4], index=['二月', '三月', '四月', '五月'])
s12_plus_s13 = s12+s13
print(s12_plus_s13)

非理工科编程零基础文科生秒懂python学习笔记：pandas库数据表格创建和运算基础有哪些？相关推荐

Python强大的Pandas库—数据艺术家
Python强大的Pandas库-数据艺术家日期:2021/4/21 作者:就叫易易好了 pandas是Python中的一个库,是一个强大的分析结构化数据集. pandas中的常见的数据结构有两种: ...
Python学习笔记：Day11 编写日志创建页
前言最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...
Lawliet|Python学习笔记——turtle库
turtle库--turtle绘图体系的python实现 python的标准库之一入门级的图形绘制函数库 1. 窗体设置 turtle.setup(width,height,startx,start ...
Lawliet|Python学习笔记——numpy库
1.numpy库认知 Numpy:表达N维数组的最基础库库由c语言实现,Python来接口使用,计算速度优异是Python数据分析及科学计算的基础库,支撑Pandas等提供直接的矩阵运算.广播函 ...
Python学习笔记 - 探索字符串数据操作
大家好,我是Mr数据杨,设想一下,我们身处<三国演义>的热血世界,赵云.曹操.孔明都是我们的亲密朋友.在这个世界里可以用Python的字符串 + 运算符来合并孔明的锦囊妙计和赵云的勇武之谋 ...
python学习笔记——pandas
from pandas import Series,DataFrame import pandas as pd import numpy as np 行用0,列用1 (一) Series 一种类似 ...
python学习笔记--turtle库的使用
turtle库的调用方法 python中其他库的调用方法也一样 1.import <库名> 使用方法:<库名>.<函数名>(函数参数) 使用这种方法的好处就是,当一 ...
Head First Python学习笔记4——处理数据
有这么几组数据需要你处理: James 2-34,3:21,2.34,2.45,3.01,2:01,2:01,3:10,2-22 Julia 2.59,2.11,2:11,2:23,3-10,2-23 ...
Lawliet|Python学习笔记——time库
Time库--Python中处理时间的标准库计算机时间的表达提供获取系统时间并格式化输出功能提供系统级精确计时功能,用于程序性能分析 import time time.<b>()#t ...

非理工科编程零基础文科生秒懂python学习笔记：pandas库数据表格创建和运算基础有哪些？

创建一个列表并保存为对象

创建一个带有索引号的列表并保存为对象

通过直接赋值修改series

修改索引号

Series还能将两个数据列表相加

非理工科编程零基础文科生秒懂python学习笔记：pandas库数据表格创建和运算基础有哪些？相关推荐

最新文章

热门文章