Pandas的基本数据结构:Series对象、DataFrame对象、Index对象!

Pandas对象简介:

如果从底层视角观察 Pandas 对象，可以把它们看成增强版的 NumPy 结构化数组，行列都 不再只是简单的整数索引，还可以带上标签。

1.Pandas的Series对象

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。

通过values 属性和 index 属性获取数据，index 属性返回的结果是一个类型为 pd.Index 的类数组对象。

通过 Python 的中括号索引标签获取数据

1.1 Serise是通用的NumPy数组

Serise与Numpy的区别：

两者间的本质差异其实是索引:NumPy 数组通过隐式定义的整数索引获取数值，而 Pandas 的 Series 对象用一种显式定义的索引与数值关联。

显式索引的定义让 Series 对象拥有了更强的能力索引不再仅仅是整数，还可以是 任意想要的类型。还可以用字符串定义索引。

1.2 Series是特殊的字典

可以把 Pandas 的 Series 对象看成一种特殊的 Python 字典。

字典是一种将任意键映射到 一组任意值的数据结构，而 Series 对象其实是一种将类型键映射到一组类型值的数据结构。两者的区别是速度比普通的python列表更加高效。

1.3 创建Series对象

1.Pandas的DataFrame对象

Pandas 的另一个基础数据结构是 DataFrame,DataFrame既可以作为一个通用型 NumPy 数组，也可以看作特殊的 Python 字典。

2.1 DataFrame是通用的NumPy数组

将 Series 类比为带灵活索引的一维数组，那么 DataFrame 就可以看作是一种既有灵活 的行索引，又有灵活列名的二维数组。也可以把 DataFrame 看成是有序排列的若干 Series 对象。

2.2 DataFrame是特殊的字典

可以把 DataFrame 看成一种特殊的字典。字典是一个键映射一个Pandas数据处理值，而 DataFrame 是一列映射一个 Series 的数据。

2.3 创建DataFrame对象

通过单个 Series 对象创建。DataFrame 是一组 Series 对象的集合，可以用单个 Series 创建一个单列的 DataFrame:

(2) 通过字典列表创建。任何元素是字典的列表都可以变成 DataFrame。用一个简单的列表 综合来创建一些数据:

即使字典中有些键不存在，Pandas 也会用缺失值 NaN(不是数字，not a number)来表示:

(3) 通过 Series 对象字典创建。就像之前见过的那样，DataFrame 也可以用一个由 Series 对象构成的字典创建:

(4) 通过 NumPy 二维数组创建。假如有一个二维数组，就可以创建一个可以指定行列索引 值的 DataFrame。如果不指定行列索引值，那么行列默认都是整数索引值:

(5) 通过 NumPy 结构化数组创建。2.9 节曾介绍过结构化数组。由于 Pandas 的 DataFrame 与结构化数组十分相似，因此可以通过结构化数组创建 DataFrame:

3.Pandas的Index对象

Series 和 DataFrame 对象都使用便于引用和调整的显式索引。Pandas 的 Index 对象是一个很有趣的数据结构，可以将它看作是一个不可变数组或有序集合

3.1将Index看作不可变数组

Index 对象的许多操作都像数组。例如，可以通过标准 Python 的取值方法获取数值，也可 以通过切片获取数值:

3.2将Index看作有序集合

Pandas 对象被设计用于实现许多操作，如连接(join)数据集，其中会涉及许多集合操作。

Index 对象遵循 Python 标准库的集合(set)数据结构的许多习惯用法，包括并集、交集、 差集等:

欢迎点击右上角关注?转发，除了分享一些学习python的心得，还分享一些之前我学python的视频和PDF书籍，私信python可以领取这些资料，希望你在python的路上越走越远。