Pandas是基于Numpy构建的，包含多种高级数据结构和工具的数据分析包。Pandas中常用的数据结构有Series和DataFrame。其中Series是一维数组，DataFrame是二维的表格型数据结构。可以认为DataFrame是多个Series的集合。

1. 定义

1.1 Series定义

先从Series的操作说起，首先是定义，可以通过列表来生成Series。每个Series都包含value值和index索引。不指定index时，系统默认索引为从0开始的自然数序列。

import pandas as pd
s = pd.Series(data=['西瓜', '南瓜', '冬瓜', '哈密瓜'], index=['a', 'b', 'c', 'd'])
print(s)

结果：

D:\Python36\python.exe C:/Users/17653/Desktop/测试.py
a     西瓜
b     南瓜
c     冬瓜
d    哈密瓜
dtype: object

1.2
DataFrame的定义

DataFrame的定义包含两种方式
(1) 由字典定义；
(2) 由Series定义的DataFrame会沿用Series的索引，行号等属性

import pandas as pd
s = pd.Series(data=['西瓜', '南瓜', '冬瓜', '哈密瓜'], index=['a', 'b', 'c', 'd'])
print(s)# 由字典定义
data = {'a': [1, 2, 3],'b': [2, 3, 4],'c': [3, 4, 5]}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)
# 由Series定义
df2 = pd.DataFrame([s, s], index=['row1', 'row2'])
print(df2)

结果：

D:\Python36\python.exe C:/Users/17653/Desktop/测试.py
a     西瓜
b     南瓜
c     冬瓜
d    哈密瓜
dtype: objecta  b  c
row1  1  2  3
row2  2  3  4
row3  3  4  5a   b   c    d
row1  西瓜  南瓜  冬瓜  哈密瓜
row2  西瓜  南瓜  冬瓜  哈密瓜

2.DataFrame的基础操作

我个人日常工作使用DataFrame数据结构比较多，对此作了一个总结。
对pandas提供的DataFrame数据结构进行操作，总让我有一种在使用Matlab的感觉，简单方便，可以通过切片，获取到任意想获取的片段。

2.1 数据切片操作

以1.2 DataFrame定义中的 df 为例，行列编号均从0开始。

df['a']                # 获取列名为‘a’的列，取出来类型为Series
df.loc['row1']          # 获取索引为‘row1’的行，取出来为Series
df.iloc[1,1]           # 获取行列号为(1,1)的元素
df.iloc[0:2, 1]        # 获取第0~1行，第1列的元素
# 不建议这样使用，会警告
df[df.a > 1][df.b > 3] # 获取df的‘a’列大于1且‘b’列大于3的元素
# 建议分开筛选
df2 = df[df.a > 1]
df3 = df2[df2.b > 3]

结果：

      a   b   c
row1  11  22  33
row2   2   3   4
row3   3   4   5
获取列名为‘a’的列，取出来类型为Series
row1    11
row2     2
row3     3
Name: a, dtype: int64
获取索引为‘row1’的行，取出来为Series
a    11
b    22
c    33
Name: row1, dtype: int64
获取行列号为(1,1)的元素
3
获取第0~1行，第1列的元素
row1    22
row2     3
Name: b, dtype: int64
获取df的‘a’列大于1且‘b’列大于3的元素a   b   c
row1  11  22  33
row3   3   4   5

2.2 增加新列

可以通过多种方式为df增加新列

import pandas as pd
data = {'a': [11, 2, 3],'b': [22, 3, 4],'c': [33, 4, 5]}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
print(df)
df['NewColumn'] = [1,2,3]
df['Num'] = 1  #增加‘Num’列,值全为1
df['NullColumn'] = pd.Series('', index=df.index)  #定义列，赋空值
print(df)

结果：

D:\Python36\python.exe C:/Users/17653/Desktop/测试.pya   b   c
row1  11  22  33
row2   2   3   4
row3   3   4   5a   b   c  NewColumn  Num NullColumn
row1  11  22  33          1    1
row2   2   3   4          2    1
row3   3   4   5          3    1

后续接着整理一下数据处理中的空值处理、维度汇总、DataFrame的合并和轴向连接、读写Excel文件等等操作。加油

Python Pandas常用数据结构Series和DataFrame快速上手相关推荐

Python Pandas 常用的数据结构有哪些？详解Series、DataFrame、Index数据结构。
Pandas常用数据结构 Pandas简介 Series 构建 Series 对象通过数组/列表通过ndarray 通过dict 指定index Series 数据结构查看 Series 数据 ...
Python Pandas 的使用——Series
Python Pandas 的使用--Series Pandas是一个强大的分析结构化数据的工具集:它的使用基础是Numpy(提供高性能的矩阵运算):用于数据挖掘和数据分析,同时也提供数据清洗功能. ...
blankcount函数python,Python pandas常用函数详解
本文研究的主要是pandas常用函数,具体介绍如下. 1 import语句 2 文件读取 df = pd.read_csv(path='file.csv') 参数:header=None 用默认列名, ...
Pandas系列(一)：数据结构(Series、DataFrame、时间序列)
Pandas系列目录文章目录一. 简介二. 思维导图三. Pandas数据结构 1. Series 1.1 简介 1.2 创建Series 1.3 Series属性 1.4 索引切片 1.4. ...
【Python】Python常用的Series 和 Dataframe处理方法
Series 和 Dataframe格式的数据处理工作,有很多常用的也比较巧妙的小方法,现总结下,方便理解应用. 本文会已方法基础格式+代码样例的形式加以讲解说明. 一基础方法介绍 Series 和 ...
pandas两个数据结构Series与DataFrame使用
seires 对象 1.创建一个series对象 Series() 语法:s=pd.Series(data,index=index) 参数说明: data:表示数据,支持Python字典.多维数组.标 ...
[转载] pandas入门：Series、DataFrame、Index基本操作都有了！
参考链接: 带有Pandas的Python:带有示例的DataFrame教程导读:pandas是一款开放源码的BSD许可的Python库.它基于NumPy创建,为Python编程语言提供了高性能的. ...
【Pandas总结】第一节 Pandas 简介与Series，DataFrame的创建
文章目录一.Pandas 简介二.Pandas 数据结构 2.1 Series (一维数据) 2.2 DataFrame(二维数据) 三.Series 的创建 3.1 由数创建 3.2 由列表创建 ...
pandas教程：series和dataframe
起步 pandas是一种Python数据分析的利器,是一个开源的数据分析包,最初是应用于金融数据分析工具而开发出来的,因此pandas为时间序列分析提供了很好的支持.pandas是PyData项目的一 ...
python3-pandas 数据结构 Series、DataFrame 基础
Pandas 应用 Pandas 的主要数据结构是 Series (一维数据)与 DataFrame(二维数据),这两种数据结构足以处理金融.统计.社会科学.工程等领域里的大多数典型用例. 数据结构 ...

Python Pandas常用数据结构Series和DataFrame快速上手

1. 定义

1.1 Series定义

1.2
DataFrame的定义

2.DataFrame的基础操作

2.1 数据切片操作

2.2 增加新列

Python Pandas常用数据结构Series和DataFrame快速上手相关推荐

最新文章

热门文章

Python Pandas常用数据结构Series和DataFrame快速上手

1. 定义

1.1 Series定义

1.2 DataFrame的定义

2.DataFrame的基础操作

2.1 数据切片操作

2.2 增加新列

Python Pandas常用数据结构Series和DataFrame快速上手相关推荐

最新文章

热门文章

1.2
DataFrame的定义