代码收藏家 Python Pandas 中的数据结构（超详细，你确定不学习一下？）
Pandas有三种数据结构：Series、DataFrame和Panel。Series类似于数组；DataFrame类似于表格；Panel可视为Excel的多表单Sheet
目录
1.Series
1.1通过列表创建Series
1.2通过字典创建Series
2.DataFrame
3.索引对象
4.查看DataFrame的常用属性
1.Series
Series是一种一维数组对象，包含一个值序列，并且包含数据标签，称为索引(index)，通过索引来访问数组中的数据。
1.1通过列表创建Series
例1.通过列表创建
import pandas as pd obj = pd.Series([1,-2,3,4]) #仅由一个数组构成 print(obj)out: 0 1 1 -2 2 3 3 4 dtype: int64输出的第一列为index，第二列为数据value。如果创建Series时没有指定index，Pandas会采用整型数据作为该Series的index。也可以使用Python里的索引index和切片slice技术
例2.创建Series时指定索引
import pandas as pd i = ["a","c","d","a"] v = [2,4,5,7] t = pd.Series(v,index=i,name="col") print(t)out: a 2 c 4 d 5 a 7 Name: col, dtype: int64尽管创建Series指定了index，实际上Pandas还是有隐藏的index位置信息。所以Series有两套描述某条数据手段：位置和标签
例3.Series位置和标签的使用
import pandas as pd val = [2,4,5,6] idx1 = range(10,14) idx2 = "hello the cruel world".split() s0 = pd.Series(val) s1 = pd.Series(val,index=idx1) t = pd.Series(val,index=idx2) print(s0.index) print(s1.index) print(t.index) print(s0[0]) print(s1[10]) print('default:',t[0],'label:',t["hello"])1.2通过字典创建Series
如果数据被存放在一个Python字典中，也可以直接通过这个字典来创建Series
例4.通过字典创建Series
import pandas as pd sdata = {'Ohio':35000,'Texass':71000,'Oregon':16000,'Utah':5000} obj = pd.Series(sdata) print(obj)Ohio 35000 Texass 71000 Oregon 16000 Utah 5000 dtype: int64如果只传入一个字典，则结果Series中的索引就是原字典的键（有序排列）
例5.通过字典创建Series时的索引
import pandas as pd sdata = {"a":100,"b":200,"e":300} obj = pd.Series(sdata) print(obj)a 100 b 200 e 300 dtype: int64如果字典中的键值和指定的索引不匹配，则对应的值时NaN
例6.键值和指定索引不匹配
import pandas as pd sdata = {"a":100,"b":200,"e":300} letter = ["a","b","c","e"] obj = pd.Series(sdata,index=letter) print(obj)a 100.0 b 200.0 c NaN e 300.0 dtype: float64对于许多应用而言，Series重要的一个功能是：它在算术运算中会自动对齐不同索引的数据
例7.不同索引数据的自动对齐
import pandas as pd sdata = {'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000} obj1 = pd.Series(sdata) states = ['California','Ohio','Oregon','Texas'] obj2 = pd.Series(sdata,index=states) print(obj1+obj2)California NaN Ohio 70000.0 Oregon 32000.0 Texas 142000.0 Utah NaN dtype: float64Series的索引可以通过赋值的方式就地修改
例8.Series索引的修改
import pandas as pd obj = pd.Series([4,7,-3,2]) obj.index = ['Bob','Steve','Jeff','Ryan'] print(obj)Bob 4 Steve 7 Jeff -3 Ryan 2 dtype: int64
2.DataFrame
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引，它可以被看作由Series组成的字典(共用同一个索引)。跟其他类型的数据结构相比，DataFrame中面向行和面向列的操作上基本上是平衡的
构建DataFrame的方式有很多，最常用的是直接传入一个由等长列表或NumPy数组组成的字典来形成DataFrame
例9.DataFrame的创建
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data) print(df)name sex year city 0 张三 female 2001 北京 1 李四 female 2001 上海 2 王五 male 2003 广州 3 小明 male 2002 北京DataFrame会自动加上索引(跟Series一样)，且全部列会被有序排列。如果指定了列名序列，则DataFrame的列就会按照指定顺序进行排列
例10.DataFrame的索引
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city']) print(df)name year sex city 0 张三 2001 female 北京 1 李四 2001 female 上海 2 王五 2003 male 广州 3 小明 2002 male 北京跟Series一样，如果传入的列在数据中找不到，就会产生NaN值。
例11.DataFrame创建时的空缺值
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address']) print(df)name year sex city address 0 张三 2001 female 北京 NaN 1 李四 2001 female 上海 NaN 2 王五 2003 male 广州 NaN 3 小明 2002 male 北京 NaNDataFrame构造函数的columns函数给出列的名字，index给出label标签
例12.DataFrame构建时指定列名
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d']) print(df)name year sex city address a 张三 2001 female 北京 NaN b 李四 2001 female 上海 NaN c 王五 2003 male 广州 NaN d 小明 2002 male 北京 NaN
3.索引对象
Pandas的索引对象负责管理轴标签和其他元数据(例如轴名称等).构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index
例13.显示DataFrame的索引和列
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d']) print(df) print(df.index) print(df.columns)name year sex city address a 张三 2001 female 北京 NaN b 李四 2001 female 上海 NaN c 王五 2003 male 广州 NaN d 小明 2002 male 北京 NaN Index(['a', 'b', 'c', 'd'], dtype='object') Index(['name', 'year', 'sex', 'city', 'address'], dtype='object')索引对象不能进行修改，否则会报错。不可修改性非常重要，因为这样才能使Index对象在多个数据结构之间安全共享
除了长的像数组，Index的功能也类似于一个固定大小的集合例14.DataFrame的Index
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d']) print('name'in df.columns) print('a'in df.index)True True每个索引都有一些方法和属性，他们可用于设置逻辑并回答有关该索引所包含的数据的常见的问题。
方法 属性 append 连接另一个Index对象，产生一个新的index diff 计算差集，并得到一个Index intersection 计算交集 union 计算并集 isin 计算一个指示各值是否都包含在参数集合中的布尔型数组 delete 删除索引i处的元素，并得到新的Index drop 删除传入的值，并得到新的Index insect 将元素插入索引i处，并得到新的Index is_monotonic 将元素均大于或等于前一个元素时，返回True is.unique 当Index没有重复值时，返回True unique 计算Index中唯一值的数组
例15.插入索引值
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d']) df.index.insert(1,'w')Index(['a', 'w', 'b', 'c', 'd'], dtype='object')
4.查看DataFrame的常用属性
DataFrame的基础属性有value、index、columns、dtypes、ndim和shape，分别可以获取DataFrame的元素、索引、列名、类型、维度和形状。
例16.显示DataFrame的属性
import pandas as pd data = { 'name':['张三','李四','王五','小明'], 'sex':['female','female','male','male'], 'year':[2001,2001,2003,2002], 'city':['北京','上海','广州','北京'] } df = pd.DataFrame(data,columns = ['name','year','sex','city','address'],index = ['a','b','c','d']) print(df) print('信息表的所有值为：\n',df.values) print('信息表的所有列为：\n',df.columns) print('信息表的元素个数：\n',df.size) print('信息表的维度：\n',df.ndim) print('信息表的形状：\n',df.shape)name year sex city address a 张三 2001 female 北京 NaN b 李四 2001 female 上海 NaN c 王五 2003 male 广州 NaN d 小明 2002 male 北京 NaN 信息表的所有值为： [['张三' 2001 'female' '北京' nan] ['李四' 2001 'female' '上海' nan] ['王五' 2003 'male' '广州' nan] ['小明' 2002 'male' '北京' nan]] 信息表的所有列为： Index(['name', 'year', 'sex', 'city', 'address'], dtype='object') 信息表的元素个数： 20 信息表的维度： 2 信息表的形状： (4, 5)
来源：云边有把小AK
