Pandas之Series和Dataframe

# Series 数据结构
# Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引

import numpy as np
import pandas as pd
# 导入numpy、pandas模块

s = pd.Series(np.random.rand(5))
print(s)
print(type(s))
# 查看数据、数据类型

print(s.index,type(s.index))
print(s.values,type(s.values))
# .index查看series索引，类型为rangeindex
# .values查看series值，类型是ndarray

# 核心：series相比于ndarray，是一个自带索引index的数组 → 一维数组 + 对应索引
# 所以当只看series的值的时候，就是一个ndarray
# series和ndarray较相似，索引切片功能差别不大
# series和dict相比，series更像一个有顺序的字典（dict本身不存在顺序），其索引原理与字典相似（一个用key，一个用index）

　　输出：

0    0.229773
1    0.357622
2    0.546116
3    0.734517
4    0.686645
dtype: float64
<class ‘pandas.core.series.Series‘>
RangeIndex(start=0, stop=5, step=1) <class ‘pandas.indexes.range.RangeIndex‘>
[ 0.22977307  0.35762236  0.54611623  0.73451707  0.68664496] <class ‘numpy.ndarray‘>

# Series 创建方法一：由字典创建，字典的key就是index，values就是values

dic = {‘a‘:1 ,‘b‘:2 , ‘c‘:3, ‘4‘:4, ‘5‘:5}
s = pd.Series(dic)
print(s)
# 注意：key肯定是字符串，假如values类型不止一个会怎么样？ → dic = {‘a‘:1 ,‘b‘:‘hello‘ , ‘c‘:3, ‘4‘:4, ‘5‘:5}

　　输出：

4    4
5    5
a    1
b    2
c    3
dtype: int64

# Series 创建方法二：由数组创建(一维数组)

arr = np.random.randn(5)
s = pd.Series(arr)
print(arr)
print(s)
# 默认index是从0开始，步长为1的数字

s = pd.Series(arr, index = [‘a‘,‘b‘,‘c‘,‘d‘,‘e‘],dtype = np.object)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型

　　输出：

[ 0.11206121  0.1324684   0.59930544  0.34707543 -0.15652941]
0    0.112061
1    0.132468
2    0.599305
3    0.347075
4   -0.156529
dtype: float64
a    0.112061
b    0.132468
c    0.599305
d    0.347075
e   -0.156529
dtype: object

# Series 创建方法三：由标量创建

s = pd.Series(10, index = range(4))
print(s)
# 如果data是标量值，则必须提供索引。该值会重复，来匹配索引的长度

　　输出：

0    10
1    10
2    10
3    10
dtype: int64

原文地址：https://www.cnblogs.com/654321cc/p/9302370.html