【Python数据分析之pandas01】两个常用的数据结构

Series

- series可以看做是一个定长的有序字典，与一维数组形式相同，区别是series的索引可以是任意数据类型。

- series本身拥有一个name属性，它的index也有自己的name属性（这条性质为下文中series传入DataFrame提供基础）。

- 传入：可以传入一维数组或字典。传入时，可以修改其索引。

#导入数组
a = np.array([1,2,3,4,5])
series1 = pd.Series(a)
print(series1)
print('*'*20)
#传入时修改索引
series2 = pd.Series(a,index=(['a','b','c','d','e']))
print(series2)'''
结果：
0    1
1    2
2    3
3    4
4    5
dtype: int32
********************
a    1
b    2
c    3
d    4
e    5
dtype: int32
'''

传入字典时，Series中的索引就是原字典的索引。

#传入字典
dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series'''
结果：
first     1
forth     4
second    2
third     3
dtype: int64
'''

修改其索引时，若新定义索引在原字典中不存在，则它的值会被赋为NaN。

dic1 = {"first":1,'second':2,'third':3,'forth':4}
index1 = ['01','second','03','forth']
dic_series = pd.Series(dic1,index=index1)
dic_series'''
结果：
01        NaN
second    2.0
03        NaN
forth     4.0
dtype: float64
'''

Series索引还可以通过直接赋值的方式进行就地修改。

dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series.index=['01','02','03','04']
dic_series'''
结果：
01    1
02    4
03    2
04    3
dtype: int64
'''

- series本身拥有一个name属性，它的index也有自己的name属性（这条性质为下文中series传入DataFrame提供基础）。

dic1 = {"first":1,'second':2,'third':3,'forth':4}
dic_series = pd.Series(dic1)
dic_series.name = 'letter'
dic_series.index.name = 'number'
dic_series'''
结果：
number
first     1
forth     4
second    2
third     3
Name: letter, dtype: int64
'''

DataFrame

实质是有索引的字典。

传入：可以传入多个列表或多个Series组成的字典传入，还可传入字典的字典。

- 用列表传入时，必须保证列表是等长的。列表外部的索引为列索引，并且DataFrame会自动补齐行索引。

data = {'first':[1,2,3],'second':[4,5,6],'third':[7,8,9]}
frame = pd.DataFrame(data)
frame

结果如下：

- 用series字典传入时，series原带的索引为列索引，series的name属性为行索引。

s1 = pd.Series({'one':1,'two':2,'three':3},name='first')
s2 = pd.Series({'one':4,'two':5,'three':6},name='second')
s3 = pd.Series({'one':7,'two':8,'three':9},name='third')
frame = pd.DataFrame([s1,s2,s3])
frame

结果如下：

同理，数组传入时，外部索引为列索引，内部索引为行索引。

dict1 = {"neveda":{2001:2.4,2002:2.9},"ohio":{2001:1.7,2002:3.6}}
frame = pd.DataFrame(dict1)
frame

结果如下：