标签：sql语言 div bubuko color 赋值 就会 嵌套 dataframe exce
Pandas有两种数据结构：Series和DataFrame。
1、Series
Series类似于一维数组，和numpy的array接近，由一组数据和数据标签组成。数据标签有索引的作用。数据标签是pandas区分于numpy的重要特征。索引不一定是从0开始的数字，它可以被定义。
Series有自动对齐索引的功能，当自定义的索引qinqin和字典队员不上时，会自动选择NaN，即结果为空，表示缺失。缺失值的处理会在后续讲解。
2、DataFrame
Series是一维的数据结构，DataFrame是一个表格型的数据结构，它含有不同的列，每列都是不同的数据类型。我们可以把DataFrame看作Series组成的字典，它既有行索引也有列索引。想象得更明白一点，它类似一张excel表格或者SQL，只是功能更强大。
在构建DataFrame时，最最最常用的就是先创建一个data，data一般可以是字典和数组，再用a=DataFrame(data)来转换为DataFrame结构。在DataFrame（data）时也可以同时传入index和columns参数，两个参数必须是列表型。
DataFrame中可以通过info函数直接查看数据类型和统计。列名后面是列的非空值统计量，以及数据类型，最后一行是DataFrame占用的内存大小，对于pandas来说，千万行几百兆的数据也是不再话下的。
1).构建DataFrame最常见的方法是传入一个由等长列表或数组组成的字典： 例如： data={ ‘name‘:[‘bon‘,‘kate‘,‘jun‘,‘sam‘], ‘stature‘:[‘102‘,‘112‘,‘136‘,‘90‘], ‘grade‘:[‘70‘,‘76‘,‘98‘,‘88‘] } frame=DataFrame(data) DataFrame会自动加上索引，得到的结果为： name stature grade 0 bon 102 70 1 kate 112 76 2 jun 136 98 3 sam 90 88 2).也可以为DataFrame指定索引 frame2=DataFrame(data,columns=[‘name‘,‘grade‘,‘stature‘,‘birthdate‘], index=[‘one‘,‘two‘,‘three‘,‘four‘]) 跟Series中一样若在对应的列中找不到数据，就会产生缺失值NaN. name grade stature birthdate one bon 70 102 NaN two kate 76 112 NaN three jun 98 136 NaN four sam 88 90 NaN 3).取值和赋值 查看列：可用类似字典的方式获取一个Series(即一个列的值)，如：frame2[‘name‘]； 查看行：可用索引字段ix来获取某行的值，如：frame2.ix[‘three‘]； 可用frame2[‘birthdate‘]=1990来直接对某一列进行赋值； 4).删除某一列的值 del frame2[‘name‘] 5)将嵌套型字典转化为DataFrame型时，外层的键作为列，内层的键作为行索引 例如： data={ ‘newyork‘:{‘2001‘:51,‘2002‘:76}, ‘houston‘:{‘2001‘:49,‘2002‘:90}, } DataFrame(data)得到结果为： newyork houston 2001 51 49
2002 76 90
pandas中可以用query函数以类SQL语言执行查询。query中可以直接使用列名。
标签：sql语言 div bubuko color 赋值 就会 嵌套 dataframe exce
原文地址：https://www.cnblogs.com/eilearn/p/9199308.html
