标签：ops 绑定 python ret int code 语言 and 返回值
Pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。
对于Pandas包，在Python中常见的导入方法如下：
from pandas import Series,DataFrame import pandas as pd
首先，我们需要对于Series和DataFrame有个基本的了解：
Series：一维数组，类似于Python中的基本数据结构list，区别是Series只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据。
DataFrame: 二维的表格型数据结构。很多功能与R语言中的data.frame类似。可以将DataFrame理解为Series的容器。
接下来我们通过实例分别了解Series和DataFrame。
1、Series
Pandas的Series对象是一个带索引数据构成的一维数组。可以用一个数组创建Series对象，如下所示：
In [1] : data = pd.Series([1,2,3,4]) In [2] : data Out[2] :0 1 1 2 2 3 3 4
Series对象将一组数据和一组索引绑定在一起，我们可以通过values属性和index属性获取数据。values属性返回的结果与Numpy数组类似。index属性返回的是一个类型为pd.index的类数组对象。和Numpy数组一样，数据可以通过Python的中括号索引标签来获取：
In [3]: data.values Out[3]:array([1,2,3,4]) In [4]: data.index Out[4]:Int64Index([0,1,2,3]) In [5]:data2=Series([4,7,-5,3],index=[‘d‘,‘b‘,‘a‘,‘c‘]) In [6]:data2 Out[6]: d 1 b 2 a 3 c 4
如果你有一些数据在一个Python字典中，你可以通过传递字典来从这些数据创建一个Series，只传递一个字典的时候，结果Series中的索引将是排序后的字典的键。
In [7]:sdata={‘Ohio‘:35000,‘Texas‘:71000,‘Oregon‘:16000,‘Utah‘:5000}
In [8]:obj3=Series(sdata)
In [9]:obj3
Out[9]:
Ohio 35000
Texas 71000
Oregon 16000
Utah 5000
实例：
创建一个名为series_a的series数组，当中值为[1,2,5,7],对应的索引为[‘nu‘, ‘li‘, ‘xue‘, ‘xi‘]；
创建一个名为dict_a的字典，字典中包含如下内容{‘ting‘:1, ‘shuo‘:2, ‘du‘:32, ‘xie‘:44}；
将dict_a字典转化成名为series_b的series数组。
from pandas import Series,DataFrame import pandas as pd def create_series(): ‘‘‘ 返回值: series_a: 一个Series类型数据 series_b: 一个Series类型数据 dict_a： 一个字典类型数据 ‘‘‘ a=[1,2,5,7] index=[‘nu‘,‘li‘,‘xue‘,‘xi‘] series_a=Series(a,index) dict_a={‘ting‘:1,‘shuo‘:2,‘du‘:32,‘xie‘:44} series_b=Series(dict_a) return series_a,dict_a,series_b
2、DataFrame
DataFrame是一个表格型的数据结构，是以一个或多个二维块存放的数据表格（层次化索引），DataFrame既有行索引还有列索引，它有一组有序的列，每列既可以是不同类型（数值、字符串、布尔型）的数据，或者可以看做由Series组成的字典。
创建：
dictionary = {‘state‘:[‘0hio‘,‘0hio‘,‘0hio‘,‘Nevada‘,‘Nevada‘],
‘year‘:[2000,2001,2002,2001,2002],
‘pop‘:[1.5,1.7,3.6,2.4,2.9]}
frame = DataFrame(dictionary)
修改行名：
frame=DataFrame(dictionary,index=[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘])
添加修改：
frame[‘add‘]=[0,0,0,0,0]
添加Series类型：
value = Series([1,3,1,4,6,8],index = [0,1,2,3,4,5]) frame[‘add1‘] = value
实例：
创建一个五行三列的名为df1的DataFrame数组，列名为 [states,years,pops]，行名[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘]；
给df1添加新列，列名为new_add，值为[7,4,5,8,2]。
from pandas import Series,DataFrame import pandas as pd def create_dataframe(): ‘‘‘ 返回值: df1: 一个DataFrame类型数据 ‘‘‘ df1=DataFrame(index=[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘],columns=[‘states‘,‘years‘,‘pops‘]) df1[‘new_add‘]=[7,4,5,8,2] return df1
对于刚接触Pandas的同学来说，Series和DataFrame其实也不是很难，但是它们确是基础中的基础，是我们以后学习中常用的东西，所以我们必须把它们掌握好，才能更好的学习这门课。
Pandas初体验之数据结构——Series和DataFrame
标签：ops 绑定 python ret int code 语言 and 返回值
原文地址：https://www.cnblogs.com/Chen-K/p/12354385.html
